[发明专利]一种人工智能白内障分析系统

说明书

本发明涉及一种人工智能白内障分析系统，包括：模式识别模块，用于识别输入的眼部图像的拍照模式，所述拍照模式根据拍摄所述眼部图像时裂隙灯的裂隙宽度和/或是否有进行散瞳处理进行划分；初步分析模块，用于对不同拍照模式的眼部图像选用相应的深度学习模型，利用深度学习模型基于眼部图像中晶状体的特征进行分析，并结合病因及严重程度指导进一步分类。本发明可以针对不同拍照方式下的眼部图像采用深度学习模型进行白内障智能分析，提高了分析准确率。

技术领域

本发明涉及医疗图像处理设备技术领域，更具体地，涉及一种人工智能白内障分析系统。

背景技术

白内障是首位致盲眼病，我国是白内障患者数量最多的国家，已超过7000万人。现阶段白内障摘除手术是唯一有效的治疗方式，及时的诊断及手术治疗可以让患者避免失明。

然而现阶段白内障诊断依赖有限的专业眼科医师。2012年国际眼科理事会(International Council for Ophthalmology，ICO)发布的数据显示，中国注册眼科医师总人数仅为28338人，每6万人群中仅有1位眼科医师，尚未达到世界卫生组织发起的“视觉2020”行动中提出的至2020年时在亚洲每5万人群中有1位眼科医师的目标。同时眼科医生的地域分布极不均衡，全国70％的眼科医生分布在大中型城市，并且集中在区域性大型三甲医院，社区人群覆盖低，远远无法满足基数巨大及增长迅速的白内障人群。

人工智能为解决医疗资源供需矛盾提供了可能，但是现有的人工智能系统仅针对特定类型或表现的患者，同时仅针对采用指定模式拍摄的眼部图像进行智能分析，否则其分析准确率会很低。而且，现有的人工智能系统仅能在大型医院中由专门医生或技术人员事先对患者筛选的前提下进行，无法推广到眼科医生及医疗资源缺乏的基层医院，从而无法真正解决患者就医困难的局面，不能从根本上提高白内障诊断覆盖率。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷(不足)，提供一种人工智能白内障分析系统，可以针对不同拍照方式下的眼部图像采用不同的深度学习模型进行白内障智能分析，使得分析准确率更高。

本发明采取的技术方案是：

一种人工智能白内障分析系统，包括：

模式识别模块，用于识别输入的眼部图像的拍照模式，所述拍照模式根据拍摄所述眼部图像时裂隙灯的裂隙宽度和/或是否有进行散瞳处理进行划分；

初步分析模块，用于对不同拍照模式的眼部图像选用相应的深度学习模型，利用深度学习模型基于眼部图像中晶状体的特征进行分类。

临床分析白内障是依靠眼科专业设备裂隙灯，对眼前段进行拍照以获取晶状体的情况。但是拍照的模式有多种：根据患者拍照前有无进行散瞳处理可分为散瞳拍照和小瞳拍照；根据裂隙灯宽度可以分为裂隙光拍照和弥散光拍照。不同拍照模式下拍摄出来的眼部图像，其眼球和晶状体的形态有较明显的区别。在应用深度学习方法进行眼部图像分析时，如果深度学习模型在训练时所采用的训练集是含有不同拍照模式的眼部图像，而不同拍照模式的眼部图像又都通过统一的深度学习模型进行分类分析，则会使得眼部图像的分析结果准确率很低。因此，在模式识别模块中对输入的眼部图像进行拍照模式的识别，在初步分析模块中再有针对性地选择在模式识别模块中识别出的拍照模式对应的第一深度学习模型，利用选择出来的第一深度模型对眼部图像进行白内障分类分析，从而提高基于眼部图像进行白内障智能分析的准确率。

进一步地，所述初步分析模块用于利用第一深度学习模型基于眼部图像中晶状体的特征进行分类的步骤，具体包括：利用第一深度学习模型基于眼部图像中晶状体的特征分类为正常晶状体、白内障、白内障摘除术后。

进一步地，所述系统还包括：

评估分析模块，用于对已分类为有白内障的眼部图像根据输入的年龄分类为先天性白内障和获得性白内障。