一种多模态眼底成像及分析平台的制作方法

本发明涉及医学图像处理，特别是一种多模态眼底成像及分析平台。背景技术：1、随着人们生活方式的不断变化，眼科疾病已成为当前严重威胁人类健康的一种疾病。眼底是人体中可以获得的唯一非创伤性的能直接观察到动脉、静脉和毛细血管的部位。一些眼部疾病如青光眼、黄斑变性和一些全身疾病如糖尿病、心血管病都会引起眼底组织的病变,因此眼底组织的变化是了解某些疾病的重要窗口。通过对眼底图像进行分析，可以得到诊断糖尿病性视网膜病变(dr)、青光眼的筛查和高血压患者血管改变的有价值信息。2、现有技术中，集中在单张眼底图像的自动分析与病灶自动检测，眼底图像的比对操作人工进行，工作量大且效率低。深度学习近些年来应用于图像分类，目标检测等领域并且有突破性进展，有些方法通过卷积神经网络来分析图像质量，给出是否可分级的预测，因此，如何研发一种多模态眼底图像及分析平台，可以适应多种图像质量以及光照环境等因素，准确、稳定地获取视网膜、血管和黄斑区，进而为眼底疾病诊断提供更准确的图像数据成为亟待解决的技术问题。技术实现思路1、针对上述问题，本发明提供一种多模态眼底成像及分析平台，有助于实现眼底疾病的早期发现、准确诊断和有效治疗，为眼底疾病诊断提供更准确的图像数据。2、为实现上述目的，本发明选用如下技术方案：一种多模态眼底成像及分析平台，包括：3、眼底图像获取模块，用于获取多个眼底成像设备的信息图像；4、预处理模块，根据所述信息图像进行预处理得到不同模态下信息图像的目标区域，并在目标区域中提取定量特征；5、训练模块，用于以定量特征对卷积神经网络模型进行训练；6、卷积神经网络模型，用于对所述定量特征进行分析，确定病变区域；7、测量模块，用于对病变区域的定量特征进行测量，输出定量分析结果。8、作为本发明的进一步改进，所述获取多个眼底成像设备的信息图像包括：9、获取不同模态眼底成像的信息图像，包括以下一种或两种以上的模态眼底成像：、眼底彩照、光学相干断层扫描、oct血管成像、吲哚青绿血管造影、荧光素眼底血管造影、自发荧光成像、超广角眼底成像、多光谱成像、激光共聚焦扫描、偏振成像。10、作为本发明的进一步改进，所述预处理得到不同模态下信息图像的目标区域包括：11、将所述眼底图像获取模块获取不同模态的信息图像进行去噪和校正以提高图像质量；12、在经过处理后的图像中进行图像分割，得到不同模态下信息图像的目标区域，其中目标区域包括以下至少之一：视网膜、血管；13、在目标区域中提取定量特征，包括面积、周长、形状参数、纹理特征的其中一种或两种及以上。14、作为本发明的进一步改进，所述以定量特征对卷积神经网络模型进行训练包括：15、获取定量特征样本输入卷积神经网络模型进行前向传播，其中卷积神经网络模型在开始训练之前进行初始化模型的权重和偏置参数；16、使用损失函数计算预测输出和真实值之间的差异，根据损失计算结果，反向传播计算每个参数的梯度；17、更新卷积神经网络模型的参数；18、重复上述步骤进行迭代优化，通过参数调优和模型评估，训练得到卷积神经网络模型。19、作为本发明的进一步改进，所述损失函数采用mse损失函数计算模型，mse损失计算如下：20、21、其中，n为样本数量，yi为真实值，为预测值。22、作为本发明的进一步改进，所述更新卷积神经网络模型的参数包括：23、使用梯度下降进行对卷积神经网络模型的参数θ更新，如下：24、25、其中，θnew为更新后的新参数，θold为更新前的旧参数，α为学习率，为mse损失相对于参数的梯度。26、作为本发明的进一步改进，所述迭代优化包括：27、在迭代优化中，直到卷积神经网络模型在验证集上的性能不再提升或者达到预设的迭代次数。28、作为本发明的进一步改进，所述通过参数调优和模型评估包括：29、通过调整学习率、批次大小、迭代次数以获得更好的模型性能，使用独立的测试集评估卷积神经网络模型的最终性能，确保模型具有良好的泛化能力；30、训练完成后，将卷积神经网络模型部署到分析平台。31、作为本发明的进一步改进，所述对所述定量特征进行分析包括：32、在不同模态信息图像的目标区域中提取定量特征，所述定量特征至少包括以下之一：视网膜厚度、血管宽度、病变区域的面积；33、通过卷积神经网络模型的卷积层处理，由全连接层输出一个或多个连续值。34、作为本发明的进一步改进，所述对病变区域的定量特征进行测量包括：35、经过卷积神经网路的输出，至少包括以下之一：有助于青光眼疾病诊断的视网膜厚度、有助于血管疾病诊断或评估血管病变的血管宽度、影响黄斑疾病的病灶大小、有助于糖尿病视网膜诊断的病变程度；36、其中，所述视网膜厚度为视网膜神经纤维层或视网膜色素上皮层的厚度测量值；所述血管宽度为预测视网膜血管的宽度测量值；所述病灶大小为有助于amd或其他影响黄斑的疾病诊断的黄斑区病灶的大小、面积或数量测量值；所述病变程度为根据病变的严重程度输出一个连续的评分。37、输出定量分析结果，所述分析结果包含图像、特征描述、预测判断结果。38、相较于现有技术，本发明具有以下有益效果：39、本发明有效地从眼底成像的信息图像中提取定量特征，采用定量分析在眼底成像中的应用提高了精确度，mse损失函数可以预测病变的严重程度评分，使得医生能够在不同的层面和角度对眼底疾病进行评估，从而做出更准确的诊断，并制定更合适的治疗方案，帮助医生提高工作效率和诊断质量。技术特征：1.一种多模态眼底成像及分析平台，其特征在于，包括：2.根据权利要求1所述的一种多模态眼底成像及分析平台，其特征在于，所述获取多个眼底成像设备的信息图像包括：3.根据权利要求1所述的一种多模态眼底成像及分析平台，其特征在于，所述预处理得到不同模态下信息图像的目标区域包括：4.根据权利要求1所述的一种多模态眼底成像及分析平台，其特征在于，所述以定量特征对卷积神经网络模型进行训练包括：5.根据权利要求4所述的一种多模态眼底成像及分析平台，其特征在于，所述损失函数采用mse损失函数计算模型，mse损失计算如下：6.根据权利要求5所述的一种多模态眼底成像及分析平台，其特征在于，所述更新卷积神经网络模型的参数包括：7.根据权利要求6所述的一种多模态眼底成像及分析平台，其特征在于，所述迭代优化包括：8.根据权利要求7所述的一种多模态眼底成像及分析平台，其特征在于，所述通过参数调优和模型评估包括：9.根据权利要求8所述的一种多模态眼底成像及分析平台，其特征在于，所述对所述定量特征进行分析包括：10.根据权利要求9所述的一种多模态眼底成像及分析平台，其特征在于，所述对病变区域的定量特征进行测量包括：技术总结本发明公开了一种多模态眼底成像及分析平台，包括：眼底图像获取模块，用于获取多个眼底成像设备的信息图像；预处理模块，根据所述信息图像进行预处理得到不同模态下信息图像的目标区域，并在目标区域中提取定量特征；训练模块，用于以定量特征对卷积神经网络模型进行训练；卷积神经网络模型，用于对所述定量特征进行分析，确定病变区域；测量模块，用于对病变区域的定量特征进行测量，输出定量分析结果。本发明有效地从眼底成像的信息图像中提取定量特征，采用定量分析在眼底成像中的应用提高了精确度，MSE损失函数可以预测病变的严重程度评分，使得医生能够在不同的层面和角度对眼底疾病进行评估，帮助医生提高工作效率和诊断质量。技术研发人员：李点,李帆,瞿佳,符爱存,李飞扬受保护的技术使用者：湖南赉拓医疗科技有限公司技术研发日：技术公布日：2024/8/16