一种早产儿眼底照片分析检测系统技术方案

本发明专利技术公开了一种早产儿眼底照片分析检测系统，包括数据收集模块、数据整合模块、数据调整模块、构建AI模型模块、模型训练模块、预测模块及数据库，其中，数据收集模块，用于将早产儿眼底照片进行收集，对不同早产儿眼底照片进行标注，数据整合模块，用于将不同早产儿眼底照片通过进行分类整合，数据调整模块，用于对不同早产儿眼底照片进行统一调节，并对照片数据进行丰富。本发明专利技术通过数据整合模块将不同早产儿眼底照片进行分类整理，同时通过数据调整模块，对分类整理后的不同早产儿眼底照片进行统一调节，大大提高了对不同早产儿眼底照片的分析效率，使得该分析检测系统的使用效率大大提升。提升。提升。

【技术实现步骤摘要】
一种早产儿眼底照片分析检测系统


[0001]本专利技术涉及医疗辅助领域，具体来说，涉及一种早产儿眼底照片分析检测系统。

技术介绍

[0002]随着机器学习与人工智能技术的飞速发展，机器学习开始和各种传统科学领域进行交叉结合，推动了各行各业的发展，特别是在医疗领域，有效的机器学习技术使医疗专业人员能够做出更好的决策，为疾病的识别和研究带来创新，也能更好地提高医疗诊断和临床实验的效率。
[0003]早产儿视网膜病变(ROP)是一种发生在早产儿和低出生体重儿的眼部视网膜血管增生性疾病，是全球婴幼儿失明的主要原因之一，然而大多数ROP是轻微的、无需干预的，病情在几个月内即可自然消退，其中大约10％的ROP是需要治疗的ROP(TR
‑
ROP)，如果TR
‑
ROP没有得到及时干预，有可能会发生视力损伤甚至致盲。
[0004]现有技术中早产儿视网膜病变的辨别方法是通过分辨早产儿眼底照片进行早产儿视网膜病变判别，而现有技术中对需要大量的眼科医生进行诊断，使得早产儿视网膜病变的诊断效率与准确性并不理想，极大的影响了早产婴儿对早产儿视网膜病变诊断的效率，严重威胁了新生儿的身体健康，同时目前出现的一些使用机器学习手段辅助ROP诊断的方法无法对多张早产儿眼底照片进行同时分析，使得现有早产儿视网膜病变的准确性大大降低。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]针对相关技术中的问题，本专利技术提出一种早产儿眼底照片分析检测系统，以克服现有相关技术所存在的上述技术问题。
[0007]为此，本专利技术采用的具体技术方案如下：
[0008]一种早产儿眼底照片分析检测系统，包括数据收集模块、数据整合模块、数据调整模块、构建AI模型模块、模型训练模块、预测模块及数据库；
[0009]其中，数据收集模块，用于将早产儿眼底照片进行收集，对不同早产儿眼底照片进行标注；
[0010]数据整合模块，用于将不同早产儿眼底照片通过进行分类整合；
[0011]数据调整模块，用于对不同早产儿眼底照片进行统一调节，并对照片数据进行丰富；
[0012]构建AI模型模块，用于通过深度残差神经网络学习图像对早产儿眼底照片进行细致处理，构建模型；
[0013]模型训练模块，用于对构成的模型进行整体训练；
[0014]预测模块，用于对训练完成后的模型进行预测判断；
[0015]数据库，用于对判断的结果及不同训练完成的模型进行数据存储，且进行数据共
享；
[0016]数据收集模块与数据整合模块连接，数据整合模块与数据调整模块连接，数据调整模块与构建AI模型模块连接，构建AI模型模块与模型训练模块连接，模型训练模块分别与预测模块及数据库连接，预测模块与数据库连接。
[0017]进一步的，数据收集模块包括依次连接的数据采集模块、数据标注模块及数据传输模块。
[0018]进一步的，数据整合模块包括数据对比模块、数据分类模块及数据存储模块，且数据对比模块、数据分类模块及数据存储模块两两之间连接；
[0019]其中，数据对比模块，用于对标注后早产儿眼底的照片与数据存储模块进行对比，数据分类模块，用于通过数据对比模块对比的结构对照片进行分类，数据存储模块，用于对数据分类模块分类早产儿眼底的照片进行存储，且对数据对比模块第一次出现的标注进行新建分类。
[0020]进一步的，数据调整模块包括依次连接的图片规范化模块、图片数据增强模块及图片像素标准化模块；
[0021]其中，图片规范化模块，用于对数据整合完成后早产儿眼底的照片进行尺寸统一，图片数据增强模块，用于对图片规范化后早产儿眼底的照片进行数据增加，图片像素标准化模块，用于对图片数据增强后早产儿眼底的照片进行像素调节。
[0022]进一步的，图片数据增强模块用于对图片规范化后早产儿眼底的照片进行数据增加时包括以下步骤：
[0023]将图片规范化后早产儿眼底的照片进行相同大小的裁剪；
[0024]将裁剪后早产儿眼底的照片进行缩放，缩放至相同像素大小；
[0025]将缩放后早产儿眼底的照片进行旋转、镜像及水平等方法得到不同的早产儿眼底照片。
[0026]进一步的，构建AI模型模块包括依次连接的残差模块、自适应模块及模型发送模块，且残差模块内部设置有卷积子模块与池化子模块；
[0027]其中，残差模块，用于对早产儿眼底的照片进行整合；
[0028]自适应模块，用于对早产儿眼底的照片进行识别分类；
[0029]模型发送模块，用于将识别分类后的模型发送至模型训练模块。
[0030]进一步的，残差模块用于对早产儿眼底的照片进行整合时包括以下步骤：
[0031]将早产儿眼底的照片输入卷积子模块进行滤波处理；
[0032]将滤波处理后的早产儿眼底的照片输入池化子模块进行整合。
[0033]进一步的，模型训练模块包括依次连接的模型收发模块、随机采样模块、特征提取模块、特征融合模块及更新参数模块；
[0034]模型收发模块，用于将模型发送模块的模型数据进行接收，并转更新后的参数模块；
[0035]随机采样模块，用于采样多个照片，并作为一个整体进行传输；
[0036]特征提取模块，用于通过卷积神经网络对照片进行特征提取；
[0037]特征融合模块，用于将多个特征提取后的照片进行特征融合；
[0038]更新参数模块，用于梯度下降算法更新模型，并保存最优参数。
[0039]进一步的，预测模块包括依次连接的数据分析模块、数据判断模块及数据传输模块。
[0040]进一步的，数据库包括依次连接的数据更新模块，数据存储模块及数据共享模块。
[0041]本专利技术的有益效果为：
[0042]1、本专利技术通过数据整合模块将不同早产儿眼底照片进行分类整理，同时通过数据调整模块，对分类整理后的不同早产儿眼底照片进行统一调节，大大提高了对不同早产儿眼底照片的分析效率，使得该分析检测系统的使用效率大大提升。
[0043]2、本专利技术通过构建AI模型模块对调节后的照片进行分析建模，通过深度残差神经网络学习图像进行细致处理，再通过模型训练模块对构建完成后的模型进行训练，提高预测模块对早产儿眼底照片判断的准确性，大大提高了该分析检测系统的准确性。
附图说明
[0044]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0045]图1是根据本专利技术实施例的一种早产儿眼底照片分析检测系统的系统框图。
[0046]图中：
[0047]1、数据收集模块；11、数据采集模块；12、数据标注模块；13、数据传输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种早产儿眼底照片分析检测系统，其特征在于，包括数据收集模块(1)、数据整合模块(2)、数据调整模块(3)、构建AI模型模块(4)、模型训练模块(5)、预测模块(6)及数据库(7)；其中，所述数据收集模块(1)，用于将早产儿眼底照片进行收集，对不同早产儿眼底照片进行标注；所述数据整合模块(2)，用于将不同早产儿眼底照片通过进行分类整合；所述数据调整模块(3)，用于对不同早产儿眼底照片进行统一调节，并对照片数据进行丰富；所述构建AI模型模块(4)，用于通过深度残差神经网络学习图像对早产儿眼底照片进行细致处理，构建模型；所述模型训练模块(5)，用于对构成的模型进行整体训练；所述预测模块(6)，用于对训练完成后的模型进行预测判断；所述数据库(7)，用于对判断的结果及不同训练完成的模型进行数据存储，且进行数据共享；所述数据收集模块(1)与所述数据整合模块(2)连接，所述数据整合模块(2)与所述数据调整模块(3)连接，所述数据调整模块(3)与所述构建AI模型模块(4)连接，所述构建AI模型模块(4)与所述模型训练模块(5)连接，所述模型训练模块(5)分别与所述预测模块(6)及所述数据库(7)连接，所述预测模块(6)与所述数据库(7)连接。2.根据权利要求1所述的一种早产儿眼底照片分析检测系统，其特征在于，所述数据收集模块(1)包括依次连接的数据采集模块(11)、数据标注模块(12)及数据传输模块(13)。3.根据权利要求2所述的一种早产儿眼底照片分析检测系统，其特征在于，所述数据整合模块(2)包括数据对比模块(21)、数据分类模块(22)及数据存储模块(23)，且所述数据对比模块(21)、数据分类模块(22)及数据存储模块(23)两两之间连接；其中，所述数据对比模块(21)，用于对标注后早产儿眼底的照片与数据存储模块(23)进行对比；所述数据分类模块(22)，用于通过数据对比模块(21)对比的结构对照片进行分类；所述数据存储模块(23)，用于对数据分类模块(22)分类早产儿眼底的照片进行存储，且对数据对比模块(21)第一次出现的标注进行新建分类。4.根据权利要求1所述的一种早产儿眼底照片分析检测系统，其特征在于，所述数据调整模块(3)包括依次连接的图片规范化模块(31)、图片数据增强模块(32)及图片像素标准化模块(33)；其中，所述图片规范化模块(31)，用于对数据整合完成后早产儿眼底的照片进行尺寸统一；所述图片数据增强模块(3...

【专利技术属性】
技术研发人员：路耀辉，罗佳，黄家传，乔海岩，张乾豪，罗红，袁昌亮，邵俊明，王朴真，
申请(专利权)人：南宁博艾特医疗器械有限公司，
类型：发明
国别省市：