[發明專利]一種基于眼部特征的腦卒中人工智能篩查方法

在審

• 申請號: 201910677478.0
• 申請日: 2019-07-25
• 公開（公告）號: CN110400301A
• 公開（公告）日: 2019-11-01
• 發明（設計）人: 何明光;李治璽
• 申請（專利權）人: 中山大學中山眼科中心
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H30/20;G16H50/20;G06N3/04
• 代理公司: 廣州市南鋒專利事務所有限公司 44228
• 代理人: 劉媖

本發明涉及了一種人工智能技術領域，尤其是涉及了一種基于眼部特征的腦卒中人工智能篩查方法，其具體步驟是：（1）標注及預處理已收集的眼底彩照；（2）構建及優化深度卷積神經網絡模型；（3）獲取待識別患者眼底圖像，利用深度卷積神經人工智能模型對眼底特征進行識別，獲得有無腦卒中的眼底圖像分類結果；該方法能高效、便捷、無創地進行腦卒中高危人群篩查。

技術領域

本發明涉及了一種人工智能技術領域，尤其是涉及了一種基于眼部特征的腦卒中人工智能篩查方法。

背景技術

近年來，腦卒中發病率逐年提高，已成為導致我國居民死亡的常見疾病之一，并具有較高的致殘率，帶來沉重的家庭及社會負擔，是重要公共衛生問題之一；因此，加強腦血管疾病防治工作刻不容緩，腦卒中的準確診斷依賴于顱腦CT、MRI等影像學檢查，但由于其檢查時間長、價格高，不便應用于腦血管疾病的篩查工作中，目前常用的心腦血管疾病高危人群篩查方法包括血壓、血脂、血糖等檢查，但血液檢查具有一定的侵襲性；眼睛是全身唯一可活體觀察血管和神經的器官，可反映全身健康狀況，可提前預警心血管疾病、腦退行性疾病等重大全身疾病，具有無創性、便捷性等優點；研究發現視網膜微血管改變可以反映更普遍范圍的微血管異常，并且很多報道顯示視網膜的微血管病變與心腦血管疾病及其引起的死亡相關；通過視網膜血管分布、動靜脈管徑和視網膜病變等，預測心腦血管疾病危險程度被證明具有可行性；然而，傳統的眼底特征要通過人工或半自動的方式進行提取，測量方式較復雜，且測量結果具有主觀性。

發明內容

本發明的目的在于提供一種基于眼部特征的腦卒中人工智能篩查方法，本基于眼部特征的腦卒中人工智能篩查方法可以客觀、無創、高效地利用眼底彩照完成腦卒中高危人群的篩查工作，人工智能技術為解決這一問題提供了可能。

為實現上述目的，本發明所提供的技術方案是：

本發明所述的一種基于眼部特征的腦卒中人工智能篩查方法，其具體步驟如下：

（1）對數據庫中，已收集并標注是否患有腦卒中的眼底彩照進行預處理，得到模型的訓練集；

（2）構建模塊一：深度卷積神經網絡模型，使用預處理后的訓練集對深度卷積神經網絡進行訓練；

（3）構建模塊二：結合患者血糖、血脂等多模態數據，通過決策模塊整合對訓練模型進行進一步優化；

（4）使用待測眼底圖像，將待測眼底圖像輸入到訓練后的深度卷積神經網絡中，進而對有無腦卒中進行判別。

作為上述技術的更進一步改進，上述步驟（1）中訓練樣本的數值范圍是3000-6000名，腦卒中與正常眼底彩照比例為1:2。

作為上述技術的更進一步改進，上述步驟（1）中預測處理的方法包括像素歸一化，將原始圖片降采樣為256*256分辨率的眼底彩照，和局部空間色彩平均，圖像增強，平移1-3個像素或旋轉90°，180°或者270°進行擴增，從而得到預處理的訓練集。

作為上述技術的更進一步改進，上述步驟（2）具體為：

1)從數據庫中，將是否患有腦卒中的眼底彩照進行有效標注；

2)將所收集的眼底數據分為訓練集與內部驗證集，將訓練集數據輸入深度卷積神經網絡結合有無發生腦卒中的標記進行訓練，將內部驗證集表現最好的模型作為訓練結果保存；

3)結合患者血糖、血脂等多模態數據，通過決策模塊整合對訓練模型進行進一步優化；

4)獲取參與腦卒中智能篩查模型訓練以外的其他患者眼底及全身數據，構成外部驗證集，將優化后的腦卒中智能篩查模型應用于外部驗證集，外部驗證集表現最好的模型確定為最終模型。