基于機(jī)器學(xué)習(xí)的眼科疾病智能診斷研究

顧承龍，楊輝，董雨，韓磊，葉明全

（皖南醫(yī)學(xué)院 醫(yī)學(xué)信息學(xué)院，安徽 蕪湖 241002）

0 引言

據(jù)世界衛(wèi)生組織資料顯示，包括屈光不正在內(nèi)的眼科疾病已經(jīng)成為繼腫瘤和心腦血管疾病之后第三大威脅人類健康以及生存質(zhì)量的疾病[1]。在眼科領(lǐng)域，眼科疾病患病人數(shù)隨著人口老齡化正在不斷增加，使得醫(yī)生的工作任務(wù)愈發(fā)繁重，所帶來(lái)的醫(yī)師漏判、誤診、效率低及專業(yè)人員短缺等弊端日益顯現(xiàn)。同時(shí)，由于地域分布、經(jīng)濟(jì)發(fā)展、受教育程度不平衡等因素，我國(guó)的眼科資源在東部、中部、西部分布不均勻[2]，阻礙了眼科事業(yè)的均衡發(fā)展。顯然，僅依靠人類視覺系統(tǒng)觀察發(fā)現(xiàn)CT 眼底圖像中的病癥并保持較高正確診斷率難度較大。因此開發(fā)一款眼科疾病智能診斷系統(tǒng)可有效緩解當(dāng)前問題。通過(guò)上傳患者眼底圖像，即可為眼科疾病精準(zhǔn)診斷與護(hù)理提供指導(dǎo)，為不同地區(qū)的患者帶來(lái)便捷的就醫(yī)服務(wù)，而且可以提高患者的生存率[3]。

隨著科技的進(jìn)步和人工智能領(lǐng)域研究的深入，機(jī)器學(xué)習(xí)這一跨領(lǐng)域交叉學(xué)科技術(shù)已經(jīng)滲透到了醫(yī)學(xué)領(lǐng)域。在醫(yī)學(xué)領(lǐng)域應(yīng)用機(jī)器學(xué)習(xí)算法，可以有效節(jié)約各種人力、物力、財(cái)力，提高醫(yī)生的看病效率，緩解就醫(yī)難的問題[4]。同時(shí)，眼科診斷儀器已實(shí)現(xiàn)了數(shù)字化，與其他臨床學(xué)科比較，眼科實(shí)現(xiàn)遠(yuǎn)程醫(yī)療最有優(yōu)勢(shì)[5]?；颊邔⒀鄣讏D像上傳至服務(wù)器，利用機(jī)器學(xué)習(xí)算法對(duì)圖像進(jìn)行智能分割和診斷，可為患者帶來(lái)更準(zhǔn)確高效的診療服務(wù)。

1 系統(tǒng)框架與主界面

基于機(jī)器學(xué)習(xí)的眼科疾病智能診斷系統(tǒng)由智能診斷、健康問診、色盲色弱測(cè)試、健康信息四個(gè)模塊組成，系統(tǒng)框架及系統(tǒng)主界面如圖1 和圖2 所示。

圖1 系統(tǒng)框架

圖2 系統(tǒng)主界面

2 系統(tǒng)功能模塊

2.1 智能診斷

眼底圖像的智能診斷包含數(shù)字圖像預(yù)處理、眼底圖像智能分割和眼底圖像識(shí)別3 個(gè)步驟（如圖3所示）。通過(guò)數(shù)字圖像預(yù)處理技術(shù)對(duì)眼底圖像進(jìn)行去噪，借助圖像分割模型提取眼底圖像血管，根據(jù)血管的特征進(jìn)行識(shí)別，從而判定眼底組織是否病變。

圖3 基于機(jī)器學(xué)習(xí)的眼科疾病智能診斷流程

2.1.1數(shù)字圖像預(yù)處理

數(shù)字圖像預(yù)處理是數(shù)字圖像處理的一部分，它在整個(gè)圖像處理領(lǐng)域發(fā)揮著重要的作用[6]。通過(guò)數(shù)字圖像預(yù)處理技術(shù)能夠消除圖像的無(wú)關(guān)信息，最大限度地簡(jiǎn)化數(shù)據(jù)，而眼底血管是人體內(nèi)唯一可以通過(guò)無(wú)創(chuàng)手段觀察的血管，且與各種眼科疾病密切相關(guān)，所以，借助數(shù)字圖像預(yù)處理技術(shù)，對(duì)眼底圖像進(jìn)行灰度化、標(biāo)準(zhǔn)化、伽馬變換和直方圖均衡化的預(yù)處理操作（如圖4 所示），從而減小待訓(xùn)練圖像的噪聲，增強(qiáng)眼底圖像血管的顯示程度。

圖4 圖像預(yù)處理（圖a 灰度化、圖b 標(biāo)準(zhǔn)化、圖c 伽馬變換、圖d直方圖均衡化）

2.1.2智能分割模型

圖像分割是一種基本的計(jì)算機(jī)視覺技術(shù)，是從圖像處理到圖像分析的關(guān)鍵步驟[7]。經(jīng)預(yù)處理后的眼底圖像，具有良好的信噪比，為了獲得較好的智能分割效果，需要選擇合適的深度學(xué)習(xí)模型進(jìn)行圖像分割。

U-Net 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)最先由Olaf Ronneberger等[8]在2015 年提出，該網(wǎng)絡(luò)結(jié)構(gòu)使用包含壓縮路徑和擴(kuò)展路徑的對(duì)稱U 形結(jié)構(gòu)，非常具有創(chuàng)新性。在U-Net 模型的高層獲取圖形的細(xì)節(jié)信息，在模型的底層獲取圖形的低頻信息，通過(guò)skip connection將各個(gè)層次的信息保留，使得整個(gè)網(wǎng)絡(luò)可以很好地記住圖像的所有信息。眼底醫(yī)學(xué)圖像具有邊界模糊、梯度復(fù)雜、需要較多的高分辨率信息且眼底圖像結(jié)構(gòu)相對(duì)固定、分割目標(biāo)分布有明顯規(guī)律等特點(diǎn)，U-Net網(wǎng)絡(luò)結(jié)構(gòu)可以對(duì)眼底醫(yī)學(xué)圖像進(jìn)行深層特征定位和淺層特征的精確分割，通過(guò)利用少量的數(shù)據(jù)集進(jìn)行端對(duì)端的訓(xùn)練，即可獲得較好的輸出結(jié)果（如圖5所示）。

圖5 智能分割

2.1.3圖像識(shí)別

神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)是隨著當(dāng)代計(jì)算機(jī)技術(shù)、圖像處理、人工智能、模式識(shí)別理論等發(fā)展起來(lái)的一種新型圖像識(shí)別技術(shù)[9]。通過(guò)使用對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練得到的圖像分割模型檢測(cè)圖像，一旦檢測(cè)到血管，就會(huì)從眼底圖像中分割出血管區(qū)域，下一步就是判定檢測(cè)到的圖像分割結(jié)果是否為病變類型，系統(tǒng)會(huì)自動(dòng)根據(jù)血管的形變程度、紋理特征等來(lái)檢測(cè)眼底組織病變的可能性。

2.2 健康問診

健康問診模塊是建立于院內(nèi)網(wǎng)絡(luò)與移動(dòng)互聯(lián)網(wǎng)絡(luò)之上，借助數(shù)據(jù)挖掘、云計(jì)算和全景病歷技術(shù)，為醫(yī)生和患者提供方便快捷的病情交流、在線全景病歷瀏覽和恢復(fù)指導(dǎo)等服務(wù)。該功能模塊利用Web網(wǎng)絡(luò)平臺(tái)，在患者預(yù)約成功后即可實(shí)現(xiàn)與眼科疾病醫(yī)師的病情交流，從而進(jìn)一步確認(rèn)診斷和制定治療方案（如圖6 所示）。

圖6 健康問診信息處理流程

2.3 色盲色弱檢測(cè)

由于大多數(shù)患者在日常生活中對(duì)自己是否患有色盲色弱感知不強(qiáng)，因此可通過(guò)簡(jiǎn)單的視力檢測(cè)，通過(guò)輸入目測(cè)結(jié)果，系統(tǒng)即可快速給出色盲色弱診斷（如圖7 所示）。

圖7 色盲色弱檢測(cè)

2.4 健康信息

該功能模塊旨在為患者普及眼科疾病的醫(yī)學(xué)常識(shí)。系統(tǒng)中詳細(xì)說(shuō)明了各類眼科疾病的發(fā)病原因、癥狀表現(xiàn)、治療方法等，通過(guò)該模塊，對(duì)拓展患者眼科疾病常識(shí)、提高眼科疾病預(yù)防能力有一定的作用。

3 結(jié)語(yǔ)

基于機(jī)器學(xué)習(xí)的眼科疾病智能診斷系統(tǒng)，通過(guò)運(yùn)用數(shù)字圖像預(yù)處理技術(shù)和機(jī)器學(xué)習(xí)方法，對(duì)患者進(jìn)行眼底圖像分割與智能識(shí)別，并提供遠(yuǎn)程健康問診、色盲色弱檢測(cè)、個(gè)性化推送眼科疾病特征與預(yù)防指導(dǎo)服務(wù)，能夠提高診斷的效率，改善患者的就醫(yī)體驗(yàn)。

綜上所述，基于機(jī)器學(xué)習(xí)的眼科疾病智能診斷系統(tǒng)在眼科診斷上具有一定的前景。隨著人工智能技術(shù)的發(fā)展，其強(qiáng)大的數(shù)據(jù)處理能力能夠減輕醫(yī)生負(fù)擔(dān)，提高診療效率。因?yàn)檠劬κ嵌嗯K器健康狀況的觀察窗口[10]，同時(shí)眼科疾病具有較高的臨床安全性和應(yīng)用可推廣性等特點(diǎn)，所以將眼科疾病與人工智能技術(shù)相結(jié)合具有明顯的學(xué)科優(yōu)勢(shì)。將人工智能技術(shù)應(yīng)用于眼科領(lǐng)域，有著廣闊的應(yīng)用前景與深遠(yuǎn)的研究?jī)r(jià)值。