[發明專利]一種糖尿病視網膜病變篩查方法、裝置及存儲介質

在審

• 申請號: 201811288905.8
• 申請日: 2018-10-31
• 公開（公告）號: CN109464120A
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 蒲祖輝;牟麗莎;徐勇;胡吉英;羅笑玲
• 申請（專利權）人: 深圳市第二人民醫院;哈爾濱工業大學（深圳）
• 主分類號: A61B3/12
• 分類號: A61B3/12;A61B3/14;G06N3/04;G06N3/08;G06T7/00
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 羅瑤;彭家恩

1.一種糖尿病視網膜病變篩查方法，其特征在于，包括：

獲取雙視野免散瞳的眼底照相圖片；

根據所述眼底照相圖片，獲取糖尿病視網膜病變結果。

2.如權利要求1所述的方法，其特征在于，所述雙視野免散瞳的眼底照相圖片包括以視盤和黃斑為中心的左眼眼底圖像和右眼眼底圖像。

3.如權利要求1所述的方法，其特征在于，所述根據所述眼底照相圖片，獲取糖尿病視網膜病變結果，包括：

預先構建一卷積神經網絡模型；

將所述眼底照相圖片輸入到所述卷積神經網絡模型，以獲取糖尿病視網膜病變結果。

4.如權利要求3所述的方法，其特征在于，所述卷積神經網絡模型的構建方法包括步驟：構建雙視野免散瞳眼底照相圖片集、圖片預處理、模型設計、模型訓練和驗證與結果判定。

5.如權利要求4所述的方法，其特征在于，所述構建雙視野免散瞳眼底照相圖片集包括：收集不同類型糖尿病視網膜不同病變階段的病人雙視野免散瞳眼底照相圖片并進行標記，其中，標記后的眼底照片圖片集定義為訓練數據集；所述圖片預處理步驟包括：對圖片進行拉伸、旋轉、改變亮度及對比度增加的操作，用于增加圖片的復雜性，同時，統一所有圖片的尺寸。

6.如權利要求5所述的方法，其特征在于，所述模型設計步驟包括：構建卷積神經網絡模型，所述卷積神經網絡模型包括12層卷積層、4層池化層，用于提取圖像的1024個特征；其中，使用的卷積核大小均為3*3，填充值為“SAME”；池化核是3*3，步長為2，用于將池化后的圖像尺寸減半；最后一層卷積層的核尺寸為8*8，用于輸出所有提取的特征；全連接層共1024個節點，dropout的概率為0.5，通過softmax層，輸出分類為糖尿病視網膜病變不同分期結果的概率。

7.如權利要求5所述的方法，其特征在于，所述模型訓練步驟包括：采用交叉熵函數作為訓練階段的損失函數，使用隨機梯度下降法來更新網絡的參數，學習率定為0.01；每次訓練時，在訓練數據集中隨機取50個樣本進行訓練，共訓練2000次；所述模型訓練步驟分別對兩個視野進行：首先利用第一個視野中的訓練數據得出卷積神經網絡模型的參數，得到模型1；然后在模型1的基礎上，利用第二個視野中的訓練數據，繼續對模型1進行參數的更新訓練，得到模型2。

8.如權利要求5所述的方法，其特征在于，所述驗證與結果判定步驟包括：驗證步驟，采用與訓練數據集不重疊的雙視野免散瞳眼底圖片集對訓練好的模型進行驗證，計算指標參數；判斷步驟，分別對單只眼進行，即對同一人的兩只眼分別給出判斷結果，通過對所述兩個視野的判斷結果進行數據處理得到最終的判斷結果，用于降低其中一個視野的圖像中的噪聲或干擾信息帶來的誤差；所述驗證步驟計算的模型指標參數包括：敏感度、特異度和AUC；所述判斷步驟中，對同一只眼，首先將與訓練數據集不重疊的眼底圖片庫中的第一個視野圖片作為模型1的輸入，計算出輸出得分s₁；然后將與訓練數據集不重疊的眼底圖片庫中的第二個視野圖片作為模型2的輸入，計算出輸出得分s₂；對兩個視野的判斷結果進行數據處理，即：其中，最終輸出得分s為兩個視野的輸出得分s₁和s₂相乘之后的算術平方根，當s＞γ時，判定為糖尿病視網膜病變，否則判定為正常，其中，γ為閾值。

9.一種糖尿病視網膜病變篩查的裝置，其特征在于，包括：

雙視野免散瞳的眼底照相采集裝置，用于采集待篩查者的雙視野免散瞳的眼底照相圖片；

處理器，用于執行如權利要求1-8中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，包括程序，所述程序能夠被處理器執行以實現如權利要求1-8中任一項所述的方法。