《基于智能终端的常见眼表疾病诊断系统.pdf》由会员分享，可在线阅读，更多相关《基于智能终端的常见眼表疾病诊断系统.pdf（12页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 2.3 (22)申请日 2020.06.23 (71)申请人 温州医科大学附属眼视光医院 地址 浙江省温州市学院西路270号 (72)发明人 陈蔚王雷陈款郑钦象 李锦阳 (74)专利代理机构 北京市盈科律师事务所 11344 代理人 杨晓雷 (51)Int.Cl. A61B 3/02(2006.01) A61B 3/14(2006.01) (54)发明名称 一种基于智能终端的常见眼表疾病诊断系 统 (57)摘要 一种基于智能终端的常见眼表疾病诊。

2、断系 统， 包括信息采集模块， 安装在智能终端， 包括图 像采集单元、 问卷采集单元和基本信息采集单 元； 数据处理模块， 与该信息采集模块连接， 包括 问卷处理模块和图片智能分类模块， 该问卷处理 模块用于接收该问卷采集单元输入的问卷信息 并给出相应的眼表疾病评估分值； 该图片智能分 类模块利用其内或云端存储的眼表模型对输入 的眼表照片进行分类处理， 并得到正常眼表、 病 毒性角膜炎、 细菌性角膜炎、 真菌性角膜炎、 翼状 胬肉、 结膜炎、 眼表肿物的分类结果； 以及诊疗建 议模块， 与该数据处理模块连接， 接收该问卷处 理模块的评估分值和/或图片智能分类模块的分 类结果， 并根据该评估分值。

3、和/或分类结果输出 相应的诊疗建议。 权利要求书2页 说明书6页 附图3页 CN A 2020.09.25 CN A 1.一种基于智能终端的常见眼表疾病诊断系统， 其特征在于， 包括： 信息采集模块， 安装在智能终端， 所述信息采集模块包括图像采集单元、 问卷采集单元 和基本信息采集单元； 数据处理模块， 安装在所述智能终端或服务器上并与所述信息采集模块连接， 所述数 据处理模块包括问卷处理模块和图片智能分类模块， 所述问卷处理模块用于接收所述问卷 采集单元输入的问卷信息并给出相应的眼表疾病评估分值； 所述图片智能分类模块内存储 有眼表模型， 所述图片智。

4、能分类模块利用所述眼表模型对输入的眼表照片进行分类处理， 并得到正常眼表、 病毒性角膜炎、 细菌性角膜炎、 真菌性角膜炎、 翼状胬肉、 结膜炎、 眼表肿 物等其他眼表疾病的分类结果； 以及 诊疗建议模块， 安装在所述智能终端或服务器上并与所述数据处理模块连接， 接收所 述问卷处理模块的眼表疾病评估分值和/或图片智能分类模块的分类结果， 并根据所述眼 表疾病评估分值和/或分类结果输出相应的诊疗建议。 2.如权利要求1所述的基于智能终端的常见眼表疾病诊断系统， 其特征在于， 所述问卷 采集单元采用OSDI干眼问卷， 所述问卷处理模块根据所述OSDI干眼问卷的采集结果计算最 终OSDI评分， 并根据。

5、所述最终OSDI评分判断是否干眼及程度等级。 3.如权利要求2所述的基于智能终端的常见眼表疾病诊断系统， 其特征在于， 计算所述 最终OSDI评分的公式为： 所有答题得分之和DA+B+C； 回答问题数E12-H； 最终OSDI评分FD25/E； 其中， A为15题的答案分数， B为69题的答案分数， C为1012题的答案分数， H为选 择 “不适用” 的答案问题数。 4.如权利要求3所述的基于智能终端的常见眼表疾病诊断系统， 其特征在于，根据所述 最终OSDI评分F判断是否干眼及程度等级眼科智能诊断系统， 包括： F12为正常， 无干眼； 13F22为轻度干眼； 23F32为中度干眼； 以及 F33为重度干。

6、眼。 5.如权利要求1、 2、 3或4所述的基于智能终端的常见眼表疾病诊断系统， 其特征在于， 所述眼表模型为利用深度卷积神经网络对眼表图片数据库进行疾病分类处理， 并生成所述 眼表模型存储于所述图片智能分类模块或云端。 6.如权利要求5所述的基于智能终端的常见眼表诊断系统， 其特征在于， 以分 类网络对所述眼表图片数据库进行眼表图像对应疾病的分类处理。 7.如权利要求6所述的基于智能终端的常见眼表疾病诊断系统， 其特征在于， 采用多元 交叉熵为代价函数训练所述网络， 使用随机梯度下降法为优化算法， 算法初始学 习比率设为lr01.010-3， 动量为0.9， 。

7、学习比率每隔20个全局遍历一代训练降低为原来 的0.1倍， 总的一代训练数目为100， 批处理样本数为8。 8.如权利要求7所述的基于智能终端的常见眼表疾病诊断系统， 其特征在于， 所述眼表 图片数据库的眼表图片的图像大小为299*299， 并对所述眼表图片进行增强处理， 以降低训 权利要求书 1/2 页 2 CN A 2 练结果出现过拟合现象。 9.如权利要求8所述的基于智能终端的常见眼表疾病诊断系统， 其特征在于， CCE函数 为： 其中， C表示总的分类数目， pi和yi分别表示分类网络和手工标注对图像属于第i类时的 预测概率。 10.如权利要求1-9中任意一项所述的。

8、基于智能终端的常见眼表疾病诊断系统， 其特征 在于， 所述智能终端包括智能手机和平板电脑。 权利要求书 2/2 页 3 CN A 3 一种基于智能终端的常见眼表疾病诊断系统 技术领域 0001 本发明涉及一种医疗设备， 特别是一种基于智能终端的常见眼表疾病诊断系统。 背景技术 0002 眼表在解剖学上指起始于上、 下眼睑睑缘灰线之间的眼球表面全部的黏膜上皮， 在临床意义上包括角膜、 结膜、 眼睑、 泪器及泪道的各种疾病。 临床中常见眼表疾病主要包 括： 感染性角膜炎、 干眼、 翼状胬肉、 结膜炎、 眼表及眼睑肿物、 眼睑炎、 睑板腺功能障碍等 等， 无论是哪种疾病类型， 都。

9、需要早发现和及时治疗， 特别是并发症严重的感染性角膜炎。 0003 感染性角膜炎引起的角膜混浊是全球第四大致盲原因之一， 在病因学上大致上可 分为病毒性角膜炎、 细菌性角膜炎、 真菌性角膜炎。 病毒性角膜炎中最为常见的是单疱病毒 性角膜炎(HSK)， 其病原体为潜伏在三叉神经的单疱病毒， 通常在患者免疫力低下时发作， 并且常常反复发作。 不得不重视的是， HSK在眼表疾病致盲中排位第一， 所以早期的HSK筛查 诊断显得尤为重要。 细菌性角膜炎是因细菌感染而引起的化脓性角膜炎， 又称细菌性角膜 溃疡， 常由外伤或异物引起， 起病急、 发展快、 症状重， 如果得不到有效治疗， 可发生角膜溃 疡穿孔。

10、， 甚至眼内感染， 最终眼球萎缩。 真菌性角膜炎是一种由致病真菌引起的、 致盲率极 高的感染性眼表疾病， 起病缓慢、 病程长， 病程可持续达2至3个月， 常在发病数天内出现角 膜溃疡， 常由植物或农作物外伤引起， 在我国农民患者居多。 0004 2017年国际泪膜与眼表协会(TFOS)发布了干眼病领域里程碑式专家共识(TFOS DEWS II)， 把干眼定义为一种以泪膜失平衡和伴随的眼部症状为特征的多因素眼表疾病， 泪膜不稳定和高渗透性、 眼表炎症和损伤， 以及神经感觉异常在其发病机制中起作用。 在临 床中常常通过询问患者症状及其他主观指标即可对该疾病诊断， 其中问卷是诊断干眼的一 种重要方式。

11、。 0005 翼状胬肉是一种退行性疾病， 常见于温暖、 干燥的地区， 通常发生于鼻测， 也有颞 侧或双头， 特征为结膜上长出纤维血管， 并侵入角膜。 户外工作、 年龄和男性是最相关的危 险因素。 翼状胬肉早期时， 通常没有症状， 可能会出现干眼、 瘙痒、 流泪等。 随着侵入角膜范 围增大， 将可能影响角膜散光， 影响视力， 因此需要手术治疗。 0006 结膜炎是临床中常见的的结膜病， 根据病因可分为感染性和非感染性。 临床表现 的共同特点是结膜充血和分泌物增多， 并可有异物感、 烧灼感、 眼睑沉重、 畏光、 流泪等症 状。 当结膜炎治疗不及时时， 可迁延不愈， 出现异物感、 眼疲劳不适， 严重。

12、的可出现上睑下 垂、 睑球粘连等。 0007 现有技术中已存在大量借助医学图像方法辅助诊断， 不管是去社区筛查还是患者 来医院就诊， 都必须由眼科医师或者训练有素的医辅人员进行专业的检查及拍摄照片， 大 量依赖于人工操作， 这使得临床成本大大提升。 另一方面， 患者难以通过自诊来有效辨别疾 病， 且无法实现远程医疗及保证实时性。 说明书 1/6 页 4 CN A 4 发明内容 0008 本发明所要解决的技术问题是针对现有技术的上述问题， 提供一种基于智能手机 的常见眼表疾病诊断系统。 0009 为了实现上述目的， 本发明提供了一种基于智能终端的常见眼表疾病诊断系统， 其中，。

13、 包括： 0010 信息采集模块， 安装在智能终端， 所述信息采集模块包括图像采集单元、 问卷采集 单元和基本信息采集单元； 0011 数据处理模块， 安装在所述智能终端或服务器上并与所述信息采集模块连接， 所 述数据处理模块包括问卷处理模块和图片智能分类模块， 所述问卷处理模块用于接收所述 问卷采集单元输入的问卷信息并给出相应的眼表疾病评估分值； 所述图片智能分类模块内 存储有眼表模型， 所述图片智能分类模块利用所述眼表模型对输入的眼表照片进行分类处 理， 并得到正常眼表、 病毒性角膜炎、 细菌性角膜炎、 真菌性角膜炎、 翼状胬肉、 结膜炎、 眼表 肿物的分类结果； 以及 0012 诊疗建议。

14、模块， 安装在所述智能终端或服务器上并与所述数据处理模块连接， 接 收所述问卷处理模块的眼表疾病评估分值和/或图片智能分类模块的分类结果， 并根据所 述眼表疾病评估分值和/或分类结果输出相应的诊疗建议。 0013 上述的基于智能终端的常见眼表疾病诊断系统， 其中， 所述问卷采集单元采用 OSDI干眼问卷， 所述问卷处理模块根据所述OSDI干眼问卷的采集结果计算最终OSDI评分， 并根据所述最终OSDI评分判断是否干眼及程度等级。 0014 上述的基于智能终端的常见眼表疾病诊断系统， 其中， 计算所述最终OSDI评分的 公式为： 0015 所有答题得分之和DA+B+C； 0016 回答问题数E1。

15、2-H； 0017 最终OSDI评分FD25/E； 0018 其中， A为15题的答案分数， B为69题的答案分数， C为1012题的答案分数， H 为选择 “不适用” 的答案问题数。 0019 上述的基于智能终端的常见眼表疾病诊断系统， 其中， 根据所述最终OSDI评分F判 断是否干眼及程度等级， 包括： 0020 F12为正常， 无干眼； 0021 13F22为轻度干眼； 0022 23F32为中度干眼； 以及 0023 F33为重度干眼。 0024 上述的基于智能终端的常见眼表疾病诊断系统， 其中， 所述眼表模型为利用深度 卷积神经网络对眼表图片数据库进行疾病分类处理， 并生成所述眼表模。

16、型存储于所述图片 智能分类模块或云端。 0025 上述的基于智能终端的常见眼表诊断系统， 其中， 以分类网络对所述眼 表图片数据库进行眼表图像对应疾病的分类处理。 0026 上述的基于智能终端的常见眼表疾病诊断系统， 其中， 采用多元交叉熵为代价函 数训练所述网络， 使用随机梯度下降法为优化算法， 算法初始学习比率设为lr0 说明书 2/6 页 5 CN A 5 1.010-3， 动量为0.9， 学习比率每隔20个全局遍历一代训练降低为原来的0.1倍， 总的一代 训练数目为100， 批处理样本数为8。 0027 上述的基于智能终端的常见眼表疾。

17、病诊断系统， 其中， 所述眼表图片数据库的眼 表图片的图像大小为299*299， 并对所述眼表图片进行增强处理， 以降低训练结果出现过拟 合现象。 0028 上述的基于智能终端的常见眼表疾病诊断系统， 其中， CCE函数为： 0029 0030 其中， C表示总的分类数目， pi和yi分别表示分类网络和手工标注对图像属于第i类 时的预测概率。 0031 上述的基于智能终端的常见眼表疾病诊断系统， 其中， 所述智能终端包括智能手 机和平板电脑。 0032 本发明的技术效果在于： 0033 本发明可用于常见眼表疾病的快速诊断， 是人工智能与眼科医疗临床领域的交叉 融合。 可搭载于常用的智能终端， 。

18、如用户的手机、 平板电脑等， 也可制作成具有拍摄功能的 便携式智能终端独立使用， 其诊断范围囊括了病毒性角膜炎、 细菌性角膜炎、 真菌性角膜 炎、 翼状胬肉、 结膜炎、 眼表肿物、 正常眼表等多种常见眼表疾病， 并可根据临床需求进行更 多类别的扩充， 在不增加医师工作量或程序成本的情况下， 可高效、 低成本的获取临床即时 诊断和治疗建议， 方便用户远程自诊、 预诊； 实现了简单、 快速、 准确评估患者的角膜健康状 况， 提高了角膜疾病的诊断效率， 减低了临床就医的等待时间。 并可为临床医生提供参考； 为远程医疗提供了机会。 0034 以下结合附图和具体实施例对本发明进行详细描述， 但不作为对本。

19、发明的限定。 附图说明 0035 图1为本发明一实施例的结构示意图； 0036 图2为本发明一实施例诊断流程示意图； 0037 图3为本发明一实施例的深度学习眼表裂隙灯照片分类示例图； 0038 图4为本发明一实施例的深度学习眼表手机拍摄照片分类示例图。 0039 其中， 附图标记 0040 1 信息采集模块 0041 11 图像采集单元 0042 12 问卷采集单元 0043 13 基本信息采集单元 0044 2 数据处理模块 0045 21 问卷处理模块 0046 22 图片智能分类模块 0047 3 诊疗建议模块 0048 4 病毒性角膜炎 0049 5 真菌性角膜炎 说明书 3/6 页。

20、 6 CN A 6 0050 6 细菌性角膜炎 0051 7 正常眼表 0052 8 翼状胬肉 0053 9 结膜炎 0054 10 眼表肿物 具体实施方式 0055 下面结合附图对本发明的结构原理和工作原理作具体的描述： 0056 参见图1， 图1为本发明一实施例的结构示意图。 本发明的基于智能终端的常见眼 表疾病诊断系统， 采取了用户-服务器网络架构， 包括了客户端和服务器端， 客户端安装基 于智能终端的常见眼表疾病诊断系统APP软件(， APP)， 基于深度学习技术， 服 务器端通过提取智能终端输入的问卷或拍摄的眼表图片， 对干眼及其严重程度及可。

21、能存在 的眼表疾病种类进行判断， 反馈出相应的诊断信息， 并给出相应的诊疗建议和相关注意事 项。 该基于智能终端的常见眼表疾病诊断系统包括： 信息采集模块1， 安装在智能终端， 所述 智能终端可为智能手机和平板电脑， 也可为其他具有图像拍照功能的智能终端， 所述信息 采集模块1包括图像采集单元11、 问卷采集单元12和基本信息采集单元13， 被试者通过APP 填写个人信息、 干眼等眼表疾病问卷或借助智能终端(如华为手机P30)拍摄眼表照片， 信息 采集模块1采集上述信息； 数据处理模块2， 安装在所述智能终端或服务器上并与所述信息 采集模块1连接， 所述数据处理模块2包括问卷处理模块21和图片。

22、智能分类模块22， 所述问 卷处理模块21用于接收所述问卷采集单元12输入的问卷信息进行分析， 并给出相应的眼表 疾病评估分值， 以判断其是否患有干眼及其严重程度， 或其他可用问卷初步诊断的眼表疾 病的评估分值； 所述图片智能分类模块22内存储有眼表模型， 所述图片智能分类模块22利 用其内或云端存储的所述眼表模型对输入的眼表照片进行分类处理， 并得到病毒性角膜炎 4、 真菌性角膜炎5、 细菌性角膜炎6、 翼状胬肉8、 结膜炎9、 眼表肿物10或正常眼表7等的分类 结果； 以及诊疗建议模块3， 安装在所述智能终端或服务器上并与所述数据处理模块2连接， 接收所述问卷处理模块21的干眼等评估分值和。

23、/或图片智能分类模块22的分类结果， 并根 据所述干眼等评估分值和/或分类结果输出相应的诊疗建议。 0057 参见图2， 图2为本发明一实施例诊断流程示意图。 用户在APP上填写需诊断者的个 人信息， 包括姓名、 性别、 年龄等基本信息。 填写完个人信息后选择点击问卷自查或眼病按 键。 若点击问卷自查， 则在相应界面上选择任一问卷填写， 如下表一。 如点击眼病， 则自动打 开智能终端的摄像头， 如手机的后置摄像头的拍摄功能、 闪光灯、 相机功能中的微距摄像功 能， 并通过以下步骤拍摄眼角膜照片： APP中按下眼病按键后， 使用相关工具或手指撑开眼 睑， 将智能终端如手机的后置摄像头对准拍摄眼，。

24、 并放至离眼前23厘米处， 自动或手动对 焦至眼表图片清晰后进行拍摄(拍摄出的效果如图4)。 0058 本实施例中所述问卷采集单元12采用OSDI干眼问卷(参见下表一)， 所述问卷处理 模块21根据所述OSDI干眼问卷的采集结果计算最终OSDI评分， 并根据所述最终OSDI评分判 断是否干眼及程度等级。 其中， 计算所述最终OSDI评分的公式为： 0059 所有答题得分之和DA+B+C； 0060 回答问题数E12-H； 说明书 4/6 页 7 CN A 7 0061 最终OSDI评分FD25/E； 0062 其中， A为15题的答案分数， B为69题的答案分数， C为10。

25、12题的答案分数， H 为选择 “不适用” 的答案问题数。 0063 本实施例中， 根据所述最终OSDI评分F判断是否干眼及程度等级， 包括： 0064 F12为正常， 无干眼； 0065 13F22为轻度干眼； 0066 23F32为中度干眼； 以及 0067 F33为重度干眼。 0068 表一眼表疾病指数问卷(OSDI量表) 0069 请回答下列问题(在表格中圈出该问题最符合的数字) 0 0073 本实施例的所述眼表模型为利用深度卷积神经网络对眼表图片数据库进行疾病 分类处理， 并生成所述眼表模型存储于所述图片智能分类模块22。 以裂隙灯显微镜拍摄的 眼表照片(参。

26、见图3)及手机微距镜头拍摄的眼表照片(参见图4)为基础， 对这两类角膜图片 说明书 5/6 页 8 CN A 8 进行如下标注： 正常、 病毒性角膜炎、 细菌性角膜炎、 真菌性角膜炎、 翼状胬肉、 眼表肿物、 结 膜炎及其他(可根据临床需求进行更多类别的扩充)。 利用深度卷积神经网络对这些图片进 行疾病分类处理， 完成图片智能分类的眼表模型构建。 本实施例以分类网络对上 述眼表图片数据库进行眼表图像对应疾病的分类处理(具体实施可参考Keras软件库， https:/ 执行眼表图像对应疾病的分类。 为了训练网络， 采用多元交叉熵为代价函数， 使。

27、用随机梯度下降法( ， SGD)为优化算法， 算法初始学习比率( rate， lr)设为lr0 1.010-3， 为0.9， 学习比率每隔20个全局遍历(epoch)降低为原来的0.1倍， 总的 epoch数目为100， 批处理样本数(batch size)为8。 分类模型的训练中， 所述眼表图片的图 像大小设为299*299， 并对所述眼表图片进行必要的增强处理(如翻转、 平移、 旋转等)， 以降 低训练结果出现过拟合现象。 CCE函数为： 0074 0075 其中， C表示总的分类数目， pi和yi分别表示。

28、分类网络和手工标注对图像属于第i类 时的预测概率。 0076 使用已构建完成的图片智能分类的眼表模型， 对智能手机拍摄的眼表照片(参见 图4)进行分类处理， 得出正常眼表7、 病毒性角膜炎4、 真菌性角膜炎5、 细菌性角膜炎6、 翼状 胬肉8、 结膜炎9、 眼表肿物10等眼表疾病的分类结果。 0077 最终，诊疗建议模块3根据问卷处理模块21或图片智能分类模块22的分类结果眼科智能诊断系统， 输 出疾病名称(包括无干眼、 轻度干眼、 中度干眼、 重度干眼、 其它可用问卷初步诊断的眼表疾 病的严重程度、 病毒性角膜炎4、 真菌性角膜炎5、 细菌性角膜炎6、 翼状胬肉8、 结膜炎9、 眼表 肿物10、 正常眼表。

29、7或其他)及对应的相关疾病介绍、 诊治建议、 是否立即就诊、 随访观察频 率、 日常饮食建议、 护理建议等， 可直接显示在智能终端的显示屏上， 也可存储、 下载、 打印、 发送邮箱、 上传云端等。 0078 本发明基于深度学习图像识别技术， 可搭载于智能终端， 用于常见眼表疾病的智 能筛查诊断， 借助深卷积神经网络技术实现不同眼表疾病的智能诊断， 囊括了包括病毒性 角膜炎4、 真菌性角膜炎5、 细菌性角膜炎6、 翼状胬肉8、 结膜炎9、 眼表肿物10及干眼等多种 常见眼表疾病， 是人工智能与眼科医疗临床领域的交叉融合。 由于搭载于移动智能终端(例 如可搭载于用户的手机， 也可搭载于平板电脑等具。

30、有拍摄功能的移动设备)， 可以随时随地 进行远程自诊、 预诊； 并可为临床医生提供参考， 并可根据临床需求进行更多类别的扩充， 如圆锥角膜、 角膜营养不良、 睑裂斑、 睑皮炎、 角膜变性等等。 0079 当然， 本发明还可有其它多种实施例， 在不背离本发明精神及其实质的情况下， 熟 悉本领域的技术人员当可根据本发明作出各种相应的改变和变形， 但这些相应的改变和变 形都应属于本发明所附的权利要求的保护范围。 说明书 6/6 页 9 CN A 9 图1 图2 说明书附图 1/3 页 10 CN A 10 图3 说明书附图 2/3 页 11 CN A 11 图4 说明书附图 3/3 页 12 CN A 12 。