[發明專利]一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統

有效

• 申請號: 201910702417.5
• 申請日: 2019-07-31
• 公開（公告）號: CN110310282B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 徐帆;呂健;陳琦;崔凌;陳青;曾思明;李敏;何文靜;唐芬;蔣莉;唐寧寧;陳麗妃;周舟;黃慧
• 申請（專利權）人: 廣西壯族自治區人民醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G16H30/20;G16H50/20;G06N3/04;A61B3/13;A61B5/00
• 代理公司: 南寧東之智專利代理有限公司 45128
• 代理人: 嚴涓逢;汪治興

1.一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于，包括：

信息記錄模塊，用于記錄或存儲檢測對象的個人基本信息、全身和局部神經系統患病信息、治療情況及臨床體征情況；

角膜圖像采集模塊，用于采集檢測對象的指定部位的角膜各層的若干張共焦顯微鏡圖像；

信息提取模塊，用于提取每一張共焦顯微鏡圖像的角膜共聚焦圖片的基本信息；

圖像初篩模塊，通過第一神經網絡模型從每一張角膜共聚焦圖片定位出包括異常角膜組織結構的異常角膜組織共聚焦圖片；

特征分析模塊，用于利用圖像識別算法對每一張異常角膜組織共聚焦圖片的角膜神經纖維特征和其他組織進行特征分析；

特征對比模塊，用于比對不同時間獲取的每一張異常角膜組織共聚焦圖片的同部位的角膜神經纖維和其他組織；

病情分級模塊，包括病程嚴重程度分級模塊和病情轉歸分級模塊；所述病程嚴重程度分級模塊為全部角膜共聚焦圖片通過第二神經網絡模型后獲得病程嚴重程度等級；所述病情轉歸分級模塊為全部角膜共聚焦圖片通過第三神經網絡模型后獲得病情轉歸等級；

結果發送模塊，用于將檢測對象的病程嚴重程度等級和病情轉歸等級發送到醫生端口；所述醫生端口能夠對信息記錄模塊進行記錄或存儲操作；

其中，所述第一神經網絡模型將若干個正常的角膜組織結構和異常的角膜組織結構的共聚焦圖片進行二分類構建分類作為訓練樣本集，并以角膜共聚焦圖片作為輸入，以所有異常的角膜組織結構的共聚焦圖片作為輸出，定位出異常角膜組織共聚焦圖片；

所述第二神經網絡模型的訓練樣本集為根據神經專科專家依據全身和局部神經系統患病信息及臨床體征情況對病程嚴重程度進行病程嚴重程度等級判定后，采集若干個對應病程嚴重程度等級的角膜共聚焦圖片；所述第二神經網絡模型以角膜共聚焦圖片作為輸入，以病程嚴重程度等級為輸出；

所述第三神經網絡模型將若干個治療前后的角膜共聚焦圖片及其病程嚴重程度等級作為訓練樣本集，并以角膜共聚焦圖片作為輸入，根據病情變化情況輸出病情轉歸等級。

2.根據權利要求1所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于：所述圖像采集模塊的設備為活體共聚焦顯微鏡。

3.根據權利要求1所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于：所述指定部位包括角膜中央、距離角膜中心的上下鼻顳、角膜緣上下鼻顳。

4.根據權利要求1所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于：所述特征分析包括計算角膜神經纖維密度直徑、密度、數量、神經纖維上球形或月形膨大的數量以及分析神經纖維周邊細胞異常情況。

5.根據權利要求1所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于：所述角膜共聚焦圖片的基本信息包括角膜圖像、角膜圖像序號、日期、眼別和圖像衸數。

6.根據權利要求1所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于：所述特征對比模塊利用對比度拉伸算法將所述異常角膜組織共聚焦圖片進行處理，使異常角膜組織共聚焦圖片的神經纖維和其他細胞的特征突出，再比對不同時間獲取的異常角膜組織共聚焦圖片的同部位的角膜神經纖維和其他組織；其具體過程如下：

將異常角膜組織共聚焦圖片的灰度值拉伸到整個0-255的區間，增強圖片對比度；最佳灰度值為：

其中，Imin，Imax是異常角膜組織共聚焦圖片的最小灰度值和最大灰度值，MIN和MAX是要拉伸到的灰度空間的灰度最小值和最大值，I（x,y）為最佳灰度值。

7.根據權利要求1所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于：所述病程嚴重程度等級包括輕度級別、中度級別和重度級別。

8.根據權利要求1所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統，其特征在于：所述病情轉歸等級包括好級別和壞級別。

9.根據權利要求1-8任意一個權利要求所述的一種利用活體共聚焦顯微鏡圖像智能分析角膜神經纖維的系統的分析方法，其特征在于：包括訓練神經網絡模型階段和智能分析階段；所述訓練神經網絡模型階段包括以下步驟：

A1.采集若干張正常角膜組織結構和異常的角膜組織結構的共聚焦圖片進行二分類構建分類作為第一神經網絡模型的訓練樣本集；

A2.將第一神經網絡模型的訓練樣本集輸入至第一神經網絡模型進行訓練，獲得經過訓練的第一神經網絡模型；

A3.神經專科專家依據病史資料、角膜神經檢測信息及臨床體征情況對病程嚴重程度進行病程嚴重程度等級判定；

A4.采集若干個對應病程嚴重程度等級的角膜共聚焦圖片作為并以當前的角膜共聚焦圖片作為第二神經網絡模型的訓練樣本集；

A5.將第二神經網絡模型的訓練樣本集輸入至第二神經網絡模型進行訓練，獲得經過訓練的第二神經網絡模型；

A6.采集若干個治療前后的角膜共聚焦圖片及角膜共聚焦圖片對應的病程嚴重程度等級作為第三神經網絡模型的訓練樣本集；

A7.將第三神經網絡模型的訓練樣本輸入至第三神經網絡模型進行訓練，獲得經過訓練的第三網絡模型；

所述智能分析階段包括以下步驟：

B1.從信息記錄模塊獲取檢測對象的個人基本信息、全身和局部神經系統患病信息及臨床體征情況；若獲取失敗，則記錄檢測對象的個人基本信息、全身和局部神經系統患病信息及臨床體征情況；

B2.角膜圖像采集模塊采集檢測對象的指定部位的若干張角膜各層的共焦顯微鏡圖像；

B3.提取每一張提取共焦顯微鏡圖像的角膜共聚焦圖片的基本信息；

B4.將每一張共焦顯微鏡圖像輸入至圖像初篩模塊的第一神經網絡模型，定位出包括異常角膜組織結構的異常角膜組織共聚焦圖片；

B5.特征分析模塊對每一張異常角膜組織共聚焦圖片的角膜神經纖維特征和其他組織進行特征分析；

B6.特征對比模塊比對不同時間獲取的每一張異常角膜組織共聚焦圖片的同部位的角膜神經纖維和其他組織；

B7.將全部角膜共聚焦圖片輸入至病程嚴重程度分級模塊的第二神經網絡模型后獲得病程嚴重程度等級；

B8.將全部角膜共聚焦圖片輸入至病情轉歸分級模塊的第三神經網絡模型后獲得病情轉歸等級；

B9.將檢測對象的病程嚴重程度等級和病情轉歸等級發送到醫生端口，輔助醫生進行診斷、病情評估和指導治療，并通過信息記錄模塊進行記錄或存儲操作。