[发明专利]联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法

权利要求书

1.联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：包括如下步骤：

1)卷积神经网络模型构建：

(1)资料收集：收集患者活体角膜共聚焦显微镜检查的图像、角膜刮片病原菌属检测结果和患者的病历；

(2)图像筛选和标注：由经验丰富的眼科医师对图像进行筛选，确保图像显示清晰，图像内容包含疾病病灶和病灶周围情况，图像能反应疾病的特点，并根据图像内容和训练任务进行标注；

(3)图像预处理：统一将标注后图像处理成便于进行深度学习的图像格式，将标注好的图像按比例随机分成训练集和测试集；

(4)构建卷积神经网络模型，建立分类模型；

(5)模型训练和测试，将步骤(3)得到的训练集的数据输入步骤(4)得到的模型进行训练，然后对训练得到的模型的预测能力进行测试和评估，选择预测性能较好的模型进行活体病原菌智能检测的任务；

2)活体病原菌属智能检测：

(6)检查设备：活体角膜激光共聚焦显微镜；

(7)检查方法：包括但不限于：

①被检查眼表面麻醉2次；

②将眼用凝胶滴于角膜显微物镜表面，盖上无菌角膜接触帽；

③患者将下颌及额部固定于托架上，嘱其注视固视灯，调整激光扫描摄像头位置，使激光光束位于角膜病变区；

④向前缓慢推进摄像头，至接触帽距患者角膜5～10mm时，微调摄像头位置，使角膜帽中央对准角膜病灶区的激光束反射光点，再缓慢推进摄像头，使接触帽与角膜轻微接触；

⑤设定两者接触的焦平面为0，拧动激光扫描摄像头调节环改变焦平面，获得不同深度角膜图像；

⑥采集照片并保存图像；

(8)图像质控：选择清晰、不变形且能反应疾病特征的角膜共聚焦显微镜图像；

(9)将步骤(8)得到的图像输入步骤(5)得到的预测性能好的模型进行分类预测；

(10)模型输出结果，实现活体病原菌属智能检测。

2.根据权利要求1所述的联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：步骤(1)所述的图像、病原菌属检测结果和患者的病历，其中病原菌属检测结果包括但不限于涂片显微镜检查、培养、宏基因检测病原体种属鉴定结果，患者病历数据包括但不限于患者一般信息、病例记录、实验室检查和辅助检查。

3.根据权利要求1所述的联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：步骤(2)所述的标注，包括但不限于黄曲霉菌、烟曲霉菌、镰刀菌属、白色念珠菌、刺盘孢、毛色二孢菌和螨虫标签。

4.根据权利要求1所述的联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：步骤(3)所述的图像格式，包括但不限于将图像处理成384*384的RGB图像；所述的训练集，必要时对训练集的数据进行数据增强处理，数据增强方法包括但不限于垂直翻转、水平翻转、垂直水平翻转。

5.根据权利要求1所述的联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：步骤(4)所述的卷积神经网络模型，包括但不限VGG、ResNet、Inception、Xception、Inception-ResNet深度学习算法。

6.根据权利要求1所述的联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：步骤(5)所述的预测性能较好的模型，包括但不限于特异度、灵敏度、准确率、受试者工作特征曲线和曲线下面积指标的结果的模型。

7.根据权利要求1所述的联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：步骤(9)所述的预测，其中预测任务包括但不限于二分类、多分类问题。

8.根据权利要求1所述的联合深度学习和角膜活体共聚焦显微镜检查的感染性角膜病活体病原菌属检测方法，其特征在于：步骤(10)所述的输出结果，包括但不限于黄曲霉菌、烟曲霉菌、镰刀菌属、白色念珠菌、刺盘孢、毛色二孢菌和螨虫预测结果和阳性预测值数据。