[发明专利]一种眼表疾病自动筛查方法与系统、区块链

说明书

本发明提供一种眼表疾病自动筛查方法与系统、区块链，所述眼表疾病自动筛查方法包括：将密集连接卷积神经网络中的密集块采取双通道密集块结构，使用双通道来提取特征。本发明的眼表疾病自动筛查方法引入轻量级网络思想，通过优化深度网络结构，大大减少了模型的参数和计算量；首次将人工智能算法和区块链技术应用于眼表疾病筛查，实现了一个可以自我完善，不断更新与维护、生态良好的眼表疾病筛查系统。本发明的一种眼表疾病自动筛查方法与系统可以部署在移动端，使得患者可以随时在手机上方便、安全地监控自身眼表疾病的发展，选择对图像、疾病等不敏感数据是否公开，对病历、个人资料等隐私信息进行保护，提高了对眼表图像数据的利用效率。

技术领域

本发明属于及医疗影像、疾病筛查领域，特别涉及一种眼表疾病自动筛查方法与系统、区块链。

背景技术

眼表及眼表疾病是近年来提出的新概念。眼表疾病(Ocular Surface Disease,OSD)是指损害角膜、结膜等眼表正常结构与功能的疾病。OSD有很多，比如干眼症、角膜炎和翼状胬肉等，这些都属于OSD的范畴。所有年龄段的OSD患者都会出现畏光、角膜疤痕、间歇性视力模糊、疼痛等症状。外伤、炎症等各种损伤因素均可导致角膜、结膜上皮表型发生改变，造成角膜新生血管化、干眼等一系列的病理变化，进而造成了患者视功能障碍。因此，眼表结构和功能的正常是获得清晰视觉的前提条件。

目前，临床眼表疾病的筛查手段主要是在眼科医院门诊部，由眼科医生扩张患者眼睛，来判断眼睛视网膜是否存在疾病的早期迹象，再结合专业的医疗设备进行诊断，比如裂隙灯和光学相干断层扫描成像技术。这种方法的缺点有：(1)专业的医疗设备价格比较昂贵；(2)临床医生的负担较重，大量的眼科门诊病人(往往很多是非急诊眼科疾病患者)给医生带来了巨大的劳动和精神负担；(3)患者访问成本高，患者需要比较高昂的费用和较长的就诊时间；(4)很多慢性眼表疾病缺乏监控和诊疗不及时会造成更严重的视功能障碍，当患者的眼睛出现微弱的疼痛和瘙痒症状时，很多人会因为去医院挂号、检查等一系列繁琐的过程而忽视它们，由于缺乏监控发展、诊疗不及时导致更严重的后果。

目前，人工智能算法在疾病诊断中的应用越来越广泛。人工智能算法是将待识别图像作为输入，通过一系列卷积操作来提取图像特征，采用小批量梯度下降算法来优化损失函数，从而构建出一个能判断是否患有疾病的分类模型。以密集连接卷积神经网络(Densely Connected Convolutional Networks，DCNN)为例，DCNN包含多个密集块，每个密集块中包含多层卷积用来学习图像特征信息，每个卷积层的新学习特征数量保持一致；密集块之间由过渡块相连接，采用1×1卷积核和池化操作来减少维度，提高计算效率，最终通过全连接层和Softmax函数进行分类，从而得到患有疾病的概率值。DCNN跳脱了加深网络深度和加宽网络结构来提升性能的定向思维，从图像特征的角度出发，它将前面每一层输出的图像特征连接成一个长的大特征作为下一层的输入，直接将所有层连接起来，保证了网络中层与层之间最大程度的信息流传输，实现了特征复用，在加深网络深度的同时大幅度减少了网络参数量，又在一定程度上缓解了梯度消失的问题。尽管DCNN相比原来主流的ResNet网络减少了大量的参数，但要在手机上部署，其模型与计算量仍然很大，从而会导致系统运行速度很慢。