[發明專利]一種眼象與癥狀信息的信息關聯方法

在審

• 申請號: 202011583200.6
• 申請日: 2020-12-28
• 公開（公告）號: CN112686855A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 張智;曹晨思;程京
• 申請（專利權）人: 博奧生物集團有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00;G06K9/62;G16H50/20;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 駱宗力

1.一種眼象與癥狀信息的信息關聯方法，其特征在于，所述信息關聯方法包括步驟：

采集圖像樣本和人口學信息，所述圖像樣本包括糖尿病人群的雙眼眼象圖像和正常人群的雙眼眼象圖像，所述人口學信息包括糖尿病人群的人口學信息和正常人群的人口學信息；

對所述圖像樣本進行預處理，得到訓練樣本集；

對所述訓練樣本集中的每個訓練樣本進行標注；

利用所述訓練樣本集對深度殘差神經網絡進行訓練，得到圖像級分類器；

將所述圖像級分類器與所述人口學信息進行結合，得到糖尿病樣本級分類器。

2.如權利要求1所述的信息關聯方法，其特征在于，所述對所述圖像樣本進行預處理，得到訓練樣本集，包括步驟：

對所述雙眼眼象圖像進行前景提取處理，使所述雙眼眼象圖像中僅保留眼表鞏膜圖像和虹膜圖像，并對所述雙眼眼象圖像進行歸一化處理；

對所述雙眼眼象圖像進行增強處理，得到所述訓練樣本集。

3.如權利要求2所述的信息關聯方法，其特征在于，所述對所述雙眼眼象圖像進行前景提取處理，包括步驟：

從所述圖像樣本中提取部分圖像樣本作為圖像數據集，并對所述圖像數據集進行標注；

基于經過標注的所述圖像數據集構建前景分類數據集，所述前景分類數據集包括前景分類訓練集、前景分類驗證集和前景分類測試集；

利用所述前景分類數據集對構建的基于像素級的卷積神經網絡進行訓練，得到前景分類器；

基于所述前景分類器對所述圖像樣本進行分割處理，使每幅所述圖像樣本僅保留所述眼表鞏膜圖像和所述虹膜圖像。

4.如權利要求1～3任一項所述的信息關聯方法，其特征在于，還包括步驟：

基于所述糖尿病樣本級分類器進行眼象圖像遮擋試驗，得到與糖尿病癥狀相關的重要眼象區和/或眼象特征。

5.如權利要求4所述的信息關聯方法，其特征在于，所述基于所述糖尿病樣本集分類器進行眼象圖像遮擋試驗，得到與糖尿病癥狀相關的重要眼象區域和/或眼象特征，包括步驟：

標注所述訓練樣本集中的雙眼眼象圖像的虹膜區域，并計算所述虹膜區域的中心坐標；

以所述中心坐標為基準，使用固定大小的圖塊對所述雙眼眼象圖像依次進行滑動遮擋；

對于每一次的遮擋后的遮擋圖像，利用所述糖尿病樣本集分類器對所述遮擋圖像進行預測，并根據預測結果計算診斷準確率差值；

以所述中心坐標為原點并基于所述診斷準確率差值繪制融合熱圖，所述融合熱圖中的顏色與所述診斷準確率差值相關；

基于所述融合熱圖進行計算，得到所述重要眼象區域和/或所述眼象特征。

6.一種眼象與癥狀信息的信息關聯裝置，其特征在于，所述信息關聯裝置包括：

數據采集模塊，用于采集圖像樣本和人口學信息，所述圖像樣本包括糖尿病人群的雙眼眼象圖像和正常人群的雙眼眼象圖像，所述人口學信息包括糖尿病人群的人口學信息和正常人群的人口學信息；

數據預處理模塊，用于對所述圖像樣本進行預處理，得到訓練樣本集；

樣本標注模塊，用于對所述訓練樣本集中的每個訓練樣本進行標注；

模型訓練模塊，用于利用所述訓練樣本集對深度殘差神經網絡進行訓練，得到圖像級分類器；

信息融合模塊，用于將所述圖像級分類器與所述人口學信息進行結合，得到糖尿病樣本級分類器。

7.如權利要求6所述的信息關聯裝置，其特征在于，所述數據預處理模塊包括：

前景提取單元，用于對所述雙眼眼象圖像進行前景提取處理，使所述雙眼眼象圖像中僅保留眼表鞏膜圖像和虹膜圖像，并對所述雙眼眼象圖像進行歸一化處理；

圖像增強單元，用于對所述雙眼眼象圖像進行增強處理，得到所述訓練樣本集。