[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

说明书

本发明公开了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，可以实现对感染性角膜病的活体病原菌属智能检测，相比传统的形态学、生物学和病理学检查方法，角膜活体共聚焦显微镜检查可以直接多层次立体地观察角膜结构的细胞图像，省去传统组织切片、固定和染色等步骤，为无创性检查，更利于检查的广泛开展。结合深度学习构建的神经网络模型对图像进行智能检测，可以即时的提供检查结果，相比传统的角膜刮片镜检、角膜刮片培养等检查更快速、方便、经济，本方法的结果为临床医生判断病情提供可靠的依据，实用性强。

【技术领域】

本发明属于医学图像处理技术领域，具体涉及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。

【背景技术】

感染性角膜炎(infectious keratitis)，是由细菌、真菌、病毒、衣原体等各种病原微生物引起的角膜炎，是中国常见的致盲眼病，不但发病率高，致盲率高，严重时可破坏眼球致残。

感染性角膜炎，传统的早期检测方法包括角膜刮片镜检、角膜刮片培养、角膜活检、活体共聚焦显微镜等。角膜刮片镜检可能由于刮片方式和病原菌生长方式的原因往往检查的阳性率较低；角膜刮片培养需要的时间较长，且培养的阳性率同样不高；角膜活检由于其所需的组织较多，存在致角膜穿孔的危险，且不能鉴定病原菌种类等，不作为常规的检查方法；活体共聚焦显微镜检查(in vivo confocal microscopy，IVCM)，主要应用于眼科角膜、结膜等疾病的辅助检查，不需要进行传统的组织切片、固定和染色即可多层次立体的观察角膜中的有形成分，对真菌性角膜炎的检测阳性率较高，且对角膜无创伤，可重复进行，相比角膜刮片镜检、角膜刮片培养更具有敏感性和特异性。但是目前角膜活体共聚焦显微镜的检查判读仍依赖于检查医生的经验性判断，并且不同真菌的菌丝在形态学往往具有相似的特征，因此目前的角膜活体共聚焦显微镜检查难以区分不同的真菌菌属。

深度学习(DL，Deep Learning)是机器学习(ML，Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标-人工智能(AI，ArtificialIntelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

将深度学习和角膜活体共聚焦显微镜检查应用到感染性角膜病活体病原菌属检测中，具有很好的前景。

【发明内容】

针对现有技术中感染性角膜炎的检测或者检测方法中存在的不足，本发明提供了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，通过联合深度学习和角膜活体共聚焦显微镜检查在感染性角膜病活体病原菌属检测中的应用，本发明联合了深度学习技术很好的解决了现有技术中存在的问题，实现了对感染性角膜病的活体病原菌属智能检测。

本发明的目的通过以下技术方案来实现：

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，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；