[发明专利]眼科疾病和病症的基于深度学习的诊断和转诊

权利要求书

1.一种用于提供医学诊断的方法，包括：

a)获得医学图像；

b)对所述医学图像执行机器学习程序；以及

c)通过所述机器学习程序确定所述医学图像是否指示医学疾病或病症，所述确定具有大于90％的敏感性和大于90％的特异性。

2.如权利要求1所述的方法，其中所述机器学习程序包括深度学习程序。

3.如权利要求1或2所述的方法，其中所述机器学习程序包括训练卷积神经网络。

4.如权利要求1-3中任一项所述的方法，还包括使所述医学图像经受图像遮挡程序。

5.如权利要求1-4中任一项所述的方法，还包括执行迁移学习程序。

6.如权利要求5所述的方法，其中所述迁移学习程序包括使用从大型图像数据集获得的非医学图像对所述机器学习程序进行预训练，以获得预训练后的机器学习程序。

7.如权利要求6所述的方法，其中所述迁移学习程序还包括使用小于所述大型图像数据集的一组医学图像来训练所述预训练后的机器学习程序。

8.如权利要求1-7中任一项所述的方法，还包括基于所述确定做出医学治疗建议。

9.如权利要求1-8中任一项所述的方法，其中所述医学图像是传达有关是否存在眼科疾病或病症的信息的眼科图像。

10.如权利要求9所述的方法，其中所述眼科图像是视网膜图像。

11.如权利要求9或10所述的方法，其中所述眼科图像是光学相干断层扫描(OCT)图像。

12.如权利要求10或11所述的方法，其中所述眼科疾病或病症选自由以下项组成的群组：老年性黄斑变性(AMD)、糖尿病性黄斑水肿(DME)和脉络膜新生血管(CNV)。

13.一种用于提供医学诊断的方法，包括：

a)获得医学图像；

b)用机器学习程序分析所述医学图像；以及

c)通过所述机器学习程序基于所述医学图像生成视敏度的预测，所述预测具有大于90％的敏感性和大于90％的特异性。

14.如权利要求13所述的方法，其中所述机器学习程序包括深度学习程序。

15.如权利要求13或14所述的方法，其中所述机器学习程序包括训练卷积神经网络。

16.如权利要求15所述的方法，其中所述卷积神经网络每层具有不超过5个神经元。

17.如权利要求13-16中任一项所述的方法，其中所述机器学习程序利用包括年龄、眼轴长和黄斑敏感性的输入。

18.如权利要求13-17中任一项所述的方法，还包括基于所述确定做出医学治疗建议。

19.如权利要求13-18中任一项所述的方法，其中所述医学图像是传达有关是否存在眼科疾病、病症或病状的信息的眼科图像。

20.如权利要求19所述的方法，其中所述眼科图像是光学相干断层扫描(OCT)图像。

21.如权利要求19所述的方法，其中所述眼科图像是黄斑敏感性阈值图像。