用于眼底图像的质控模块及包括质控模块的阅片系统技术方案

本公开描述一种用于眼底图像的质控模块及包括质控模块的阅片系统。质控模块包括阴性质控模块和阳性质控模块；阴性质控模块接收阴性结果图像，利用基于预设阴性预测率对第一置信度阈值进行配置的第一质控模型获取阴性结果图像的阴性质控结果，基于阴性结果图像获取阴性结果图像的最终分类结果或将阴性结果图像作为第一待仲裁图像；阳性质控模块接收阳性结果图像，利用基于预设阳性预测率对第二置信度阈值进行配置的第二质控模型获取阳性结果图像的阳性质控结果，基于阳性结果图像获取阳性结果图像的最终分类结果或将阳性结果图像作为第二待仲裁图像。由此，能够区分出风险较低的阴性结果图像和风险较高的阳性结果图像。

【技术实现步骤摘要】

本公开大体涉及一种用于眼底图像的质控模块及包括质控模块的阅片系统。

技术介绍

1、医疗图像常常包含身体结构或组织的诸多细节。在现代化的医院中，大部分的治疗信息来源于医疗图像例如眼底图像。在临床中，通过理解医疗图像中的这些细节，能够帮助医生进行相关疾病识别。医疗图像已经发展成临床识别疾病的主要方法。然而，传统的基于医疗图像识别疾病信息主要依靠专业的医师根据经验进行判断。在这种情况下，开发一种能够辅助医生进行相关疾病识别的自动阅片的阅片技术已经成为医疗图像学领域的热门方向。随着人工智能技术的发展，基于计算机视觉和人工智能例如机器学习的阅片技术已经在医疗图像识别中得到开发和应用。

2、例如，专利文献1(cn105513077a)中公开了一种用于糖尿病性视网膜病变筛查的系统，该系统包括：眼底图像获取设备、图像处理及筛查设备以及报告输出设备，眼底图像获取设备用于采集或接收被检人员的眼底图像；图像处理及筛查设备用于对眼底图像进行处理并检测其中是否存在病变，然后将检测结果输送给报告输出设备；报告输出设备基于检测结果输出相应检测报告。

3、然而，在实际临床应用中，由于眼底图像的多样性，专利文献1所描述的筛查系统在处理某些眼底图像时可能输出错误或者不准确的检测报告，导致筛查系统的分类准确率下降。

技术实现思路

1、本公开是鉴于上述的状况而提出的，其目的在于提供一种能够提高分类准确率的眼底图像分类的阅片系统及阅片方法。

2、为此，本公开的第一方面提供了一种眼底图像分类的阅片系统，包括：获取模块，其用于获取眼底图像；预处理模块，其用于对所述眼底图像进行预处理以获取预处理眼底图像；第一分类模块，其接收所述预处理眼底图像，利用基于深度学习的第一分类模型对所述预处理眼底图像进行分类以获取第一分类结果并基于所述第一分类结果获取包括是否需要再次分类的分类结果类型；分组模块，其基于所述第一分类结果和所述分类结果类型将所述预处理眼底图像分成阴性结果图像、阳性结果图像和待再分类图像；第一质控模块，其包括阴性质控模块和阳性质控模块，所述阴性质控模块接收所述阴性结果图像，利用基于预设阴性预测率对第一置信度阈值进行配置的第一质控模型获取所述阴性结果图像的阴性质控结果，若所述阴性质控结果和所述第一分类结果一致，则将所述阴性质控结果作为最终分类结果，否则将所述阴性结果图像作为第一待仲裁图像，所述阳性质控模块接收所述阳性结果图像，利用基于预设阳性预测率对第二置信度阈值进行配置的第二质控模型获取所述阳性结果图像的阳性质控结果，若所述阳性质控结果和所述第一分类结果一致，则将所述阳性质控结果作为所述最终分类结果，否则将所述阳性结果图像作为第二待仲裁图像；第二分类模块，其接收所述待再分类图像，利用基于深度学习且针对所述待再分类图像进行训练的第二分类模型对所述待再分类图像进行分类以获取第二分类结果，若所述第二分类结果和所述第一分类结果一致，则将所述第二分类结果作为所述最终分类结果，否则将所述待再分类图像作为第三待仲裁图像；以及仲裁模块，其接收所述第一待仲裁图像、所述第二待仲裁图像或所述第三待仲裁图像并作为待仲裁图像，对所述待仲裁图像进行仲裁以获取仲裁分类结果并作为所述最终分类结果。在这种情况下，将眼底图像分成阴性结果图像、阳性结果图像和待再分类图像，对于阴性结果图像和阳性结果图像，基于阴性预测率获取风险较低的阴性结果图像和基于阳性预测率获取风险较高的阳性结果图像并进行一致性判断，且对于待再分类图像，利用第二分类模型进一步地分类，最后对待仲裁图像进行仲裁。由此，能够提高阅片系统的分类准确率。

3、另外，在本公开的第一方面所涉及的阅片系统中，可选地，其中，所述第一分类模型包括针对每类糖尿病视网膜病变的用于接收所述预处理眼底图像并获取子分类结果的多个子分类模型，所述第一分类模块基于多个所述子分类结果获取所述第一分类结果。由此，能够基于多个子分类模型获取第一分类结果。

4、另外，在本公开的第一方面所涉及的阅片系统中，可选地，所述预设阴性预测率为95％至99％，所述预设阳性预测率为95％至99％。由此，能够获取预设阴性预测率和预设阳性预测率。

5、另外，在本公开的第一方面所涉及的阅片系统中，可选地，所述第一分类模块根据英国国家视网膜病变筛查项目使用的视网膜病变分级体系输出所述第一分类结果。在这种情况下，基于已经成熟应用的视网膜病变分级体系，能够进一步提高阅片系统的分类准确率。

6、另外，在本公开的第一方面所涉及的阅片系统中，可选地，所述第一分类结果包括无视网膜病变、背景期、增殖前期和增殖期；所述阴性结果图像包括所述第一分类结果为无视网膜病变且所述分类结果类型为不需要再次分类的所述预处理眼底图像；所述阳性结果图像包括所述第一分类结果为增殖前期或增殖期且所述分类结果类型为不需要再次分类的所述预处理眼底图像；所述待再分类图像包括所述分类结果类型为需要再次分类的所述预处理眼底图像。在这种情况下，将预处理眼底图像分成阴性结果图像、阳性结果图像和待再分类图像，能够方便后续对每种图像进行针对性的处理。由此，能够进一步提高阅片系统的分类准确率。

7、另外，在本公开的第一方面所涉及的阅片系统中，可选地，所述阅片系统还包括自检模块，所述自检模块用于对所述阴性质控结果的眼底图像进行抽检以判断所述第一置信度阈值是否符合要求和用于对所述阳性质控结果的眼底图像进行抽检以判断所述第二置信度阈值是否符合要求。在这种情况下，可以进一步地确认第一置信度阈值和第二置信度阈值是否符合要求。由此，能够提高阅片系统的分类准确率。

8、另外，在本公开的第一方面所涉及的阅片系统中，可选地，基于所述预设阴性预测率利用金标准数据对所述第一置信度阈值进行配置；基于所述预设阳性预测率利用金标准数据对所述第二置信度阈值进行配置。由此，能够确定置信度阈值。

9、另外，在本公开的第一方面所涉及的阅片系统中，可选地，所述阅片系统还包括输出模块，所述输出模块用于输出结果报告。由此，能够输出结果报告。

10、本公开的第二方面提供了一种眼底图像分类的阅片方法，包括：获取眼底图像；对所述眼底图像进行预处理以获取预处理眼底图像；利用基于深度学习的第一分类模型对所述预处理眼底图像进行分类以获取第一分类结果并基于所述第一分类结果获取包括是否需要再次分类的分类结果类型；基于所述第一分类结果和所述分类结果类型将所述预处理眼底图像分成阴性结果图像、阳性结果图像和待再分类图像；利用基于预设阴性预测率对第一置信度阈值进行配置的第一质控模型获取所述阴性结果图像的阴性质控结果，若所述阴性质控结果和所述第一分类结果一致，则将所述阴性质控结果作为最终分类结果，否则将所述阴性结果图像作为第一待仲裁图像，利用基于预设阳性预测率对第二置信度阈值进行配置的第二质控模型获取所述阳性结果图像的阳性质控结果，若所述阳性质控结果和所述第一分类结果一致，则将所述阳性质控结果作为所述最终分类结果，否则将所述阳性结果图像作为第二待仲裁图像；利用基于深度学习且针对所本文档来自技高网...

【技术保护点】

1.一种用于眼底图像的质控模块，其特征在于，包括阴性质控模块和阳性质控模块；所述阴性质控模块接收阴性结果图像，利用基于预设阴性预测率对第一置信度阈值进行配置的第一质控模型获取所述阴性结果图像的阴性质控结果，基于所述阴性结果图像获取所述阴性结果图像的最终分类结果或将所述阴性结果图像作为第一待仲裁图像；所述阳性质控模块接收阳性结果图像，利用基于预设阳性预测率对第二置信度阈值进行配置的第二质控模型获取所述阳性结果图像的阳性质控结果，基于所述阳性结果图像获取所述阳性结果图像的最终分类结果或将所述阳性结果图像作为第二待仲裁图像。

2.根据权利要求1所述的质控模块，其特征在于，所述阴性质控模块配置为：若所述阴性质控结果和所述阴性结果图像的第一分类结果一致，则将所述阴性质控结果作为最终分类结果，否则将所述阴性结果图像作为所述第一待仲裁图像；所述阳性质控模块配置为：若所述阳性质控结果和所述阳性结果图像的第一分类结果一致，则将所述阳性质控结果作为所述最终分类结果，否则将所述阳性结果图像作为所述第二待仲裁图像。

3.根据权利要求1所述的质控模块，其特征在于，基于所述预设阴性预测率利用金标准数据对所述第一置信度阈值进行配置；基于所述预设阳性预测率利用金标准数据对所述第二置信度阈值进行配置。

4.根据权利要求1所述的质控模块，其特征在于，所述预设阴性预测率为95％至99％，所述预设阳性预测率为95％至99％。

5.根据权利要求1所述的质控模块，其特征在于，所述第一质控模型是针对所述阴性结果图像重新进行训练的模型；所述第二质控模型是针对所述阳性结果图像重新进行训练的模型。

6.一种眼底图像分类的阅片系统，其特征在于，包括获取模块、预处理模块、第一分类模块、分组模块、权利要求1至5中任一项所述的质控模块、第二分类模块和仲裁模块；所述获取模块用于获取眼底图像；所述预处理模块用于对所述眼底图像进行预处理以获取预处理眼底图像；所述第一分类模块用于对所述预处理眼底图像进行分类并获取第一分类结果和分类结果类型，所述分类结果类型包括是否需要再次分类的类型；所述分组模块用于基于所述第一分类结果和所述分类结果类型将所述预处理眼底图像分成阴性结果图像、阳性结果图像和待再分类图像；所述质控模块用于接收所述阴性结果图像和所述阳性结果图像以输出所述阴性结果图像的最终分类结果或将所述阴性结果图像作为第一待仲裁图像、以及输出所述阳性结果图像的最终分类结果或将所述阳性结果图像作为第二待仲裁图像；所述第二分类模块用于基于所述待再分类图像获取所述待再分类图像的最终分类结果或将所述待再分类图像作为第三待仲裁图像；所述仲裁模块用于接收所述第一待仲裁图像、所述第二待仲裁图像或所述第三待仲裁图像并作为待仲裁图像，对所述待仲裁图像进行仲裁以获取仲裁分类结果并作为所述最终分类结果。

7.根据权利要求6所述的阅片系统，其特征在于，所述第一分类模块用于基于深度学习的第一分类模型对所述预处理眼底图像进行分类，所述第一分类模型包括针对每类糖尿病视网膜病变的用于接收所述预处理眼底图像并获取子分类结果的多个子分类模型，所述第一分类模块基于多个所述子分类结果获取所述第一分类结果。

8.根据权利要求7所述的阅片系统，其特征在于，所述质控模块的第一质控模型与所述第一分类模型一样；所述质控模块的第二质控模型与所述第一分类模型一样。

9.根据权利要求6所述的阅片系统，其特征在于，所述第二分类模块利用基于深度学习且针对所述待再分类图像进行训练的第二分类模型对所述待再分类图像进行分类以获取第二分类结果，若所述第二分类结果和所述第一分类结果一致，则将所述第二分类结果作为所述最终分类结果，否则将所述待再分类图像作为所述第三待仲裁图像。

10.根据权利要求9所述的阅片系统，其特征在于，所述第二分类模型是由与所述待再分类图像相关的特征结合所述待再分类图像一起训练的。

...

【技术特征摘要】

1.一种用于眼底图像的质控模块，其特征在于，包括阴性质控模块和阳性质控模块；所述阴性质控模块接收阴性结果图像，利用基于预设阴性预测率对第一置信度阈值进行配置的第一质控模型获取所述阴性结果图像的阴性质控结果，基于所述阴性结果图像获取所述阴性结果图像的最终分类结果或将所述阴性结果图像作为第一待仲裁图像；所述阳性质控模块接收阳性结果图像，利用基于预设阳性预测率对第二置信度阈值进行配置的第二质控模型获取所述阳性结果图像的阳性质控结果，基于所述阳性结果图像获取所述阳性结果图像的最终分类结果或将所述阳性结果图像作为第二待仲裁图像。

2.根据权利要求1所述的质控模块，其特征在于，所述阴性质控模块配置为：若所述阴性质控结果和所述阴性结果图像的第一分类结果一致，则将所述阴性质控结果作为最终分类结果，否则将所述阴性结果图像作为所述第一待仲裁图像；所述阳性质控模块配置为：若所述阳性质控结果和所述阳性结果图像的第一分类结果一致，则将所述阳性质控结果作为所述最终分类结果，否则将所述阳性结果图像作为所述第二待仲裁图像。

3.根据权利要求1所述的质控模块，其特征在于，基于所述预设阴性预测率利用金标准数据对所述第一置信度阈值进行配置；基于所述预设阳性预测率利用金标准数据对所述第二置信度阈值进行配置。

4.根据权利要求1所述的质控模块，其特征在于，所述预设阴性预测率为95％至99％，所述预设阳性预测率为95％至99％。

5.根据权利要求1所述的质控模块，其特征在于，所述第一质控模型是针对所述阴性结果图像重新进行训练的模型；所述第二质控模型是针对所述阳性结果图像重新进行训练的模型。

6.一种眼底图像分类的阅片系统，其特征在于，包括获取模块、预处理模块、第一分类模块、分组模块、权利要求1至5中任一项所述的质控模块、第二分类模块和仲裁模块；所述获取模块用于获取眼底图像；所述预处理模块用于对所述眼底图像进行预处理以获取...

【专利技术属性】
技术研发人员：郭宁，胡志钢，童志鹏，段晓明，连倩，
申请(专利权)人：深圳硅基智能科技有限公司，
类型：发明
国别省市：