基于深度学习的糖尿病视网膜病变智能诊断系统

发布时间：2020-03-24 21:21

【摘要】：随着人们生活水平的逐渐提高,寿命日益延长,罹患糖尿病的患者也日益增加。糖尿病视网膜病变(Diabetic Retinopathy,DR)便是由糖尿病引起的并发症之一。糖尿病视网膜病变会损伤视网膜血管壁,造成视网膜渗出、出血斑块、毛细血管瘤等损伤,最终造成人们视力下降甚至失明。糖尿病视网膜病变与青光眼、白内障、高血压被归为四大致盲因素。根据国家卫生计生委办公厅统计,中国是全球2型糖尿病患者最多的国家,视网膜病发率、致盲率也不断升高,2017年我国预计有2700万糖尿病视网膜病变患者,所以对该症的治疗刻不容缓。另一方面,研究表明,在糖尿病视网膜病变早期对病变进行干预治疗可以有效降低患者致盲风险[1],所以及早对糖尿病视网膜病变的诊断对于预防治疗视网膜病变至关重要。目前对于糖尿病视网膜病变的诊断主要通过观察眼底图像诊断。眼底图像通过数码眼底照相机拍摄眼底获取,精确记录眼底信息,方便医生观察视网膜渗出、出血、血管瘤块等情况,对病情进行诊断分级。但是对于眼底图像的诊断需要诊断者有丰富的先验知识对病情进行准确的判断。中国人多地广,幅员辽阔,眼科医生水平层次不齐,偏远地区医疗资源不均,经验不足的医生可能会出现诊断失误,使患者错过最佳治疗时间,从而造成患者严重的损失。同时根据医生建议,糖尿病患者需要定期检查视网膜病变,由于我国糖尿病患者众多,产生了大量的眼底图像,需要经验丰富的医生进行诊断,费时费力。针对以上问题,本文主要在工作内容如下所述。(1)针对人工检测的经验不足和费时费力问题,本文利用深度学习技术自动分类病变。近年来,人工智能科学不断发展,其中深度卷积神经网络在图像识别分类领域取得了举世瞩目的成果。本文采用卷积神经网络的知识,应用于糖尿病视网膜图像的分类诊断,让计算机自动提取高分辨率眼底图像的特征,对样本进行训练,从而在一定程度上缓解人工诊断经验不足、大量患者诊断费时费力的问题。(2)针对医疗资源分布不均问题,本文利用互联网技术实现远程诊断。传统的远程诊断需要患者上传病历信息与眼底图像,医生再进行在线诊断,但是其仍然依赖于专业医生的诊断意见,由于糖尿病患者数量众多,对于医生而言仍是一项耗费精力的工作,而且偏远地区医疗资源匮乏也会造成误诊。为了解决这一问题,本文基于 B/S 架构,采用 Nginx+ SpringMVC + MyBatis + MySQL + Redis 搭建分布式后台系统,并结合Caffe深度学习平台,将互联网技术与糖尿病视网膜病变诊断相结合,构建了一套完整的远程糖尿病视网膜病变智能诊断系统解决方案。
【图文】：

缓存、基于键值对的ＮｏＳＱＬ邋（非关系型）数据库，由于其采用内存存储数据，读逡逑写速度极快，非常适合作为缓存服务器。逡逑本系统综合上述技术和服务器，搭建分布式架构，服务器架构图如图２－４所逡逑７Ｊｎ邋0逡逑逦邋逦逦一逡逑／逦／｜逦——＾逡逑ｒ＝ｒ逦□＝逦逦逡逑逦口邋Ｉ邋＂邋＇Ｉ逦——ｐ＿逦逡逑—逦—１—邋＾逦ｌ＾ｊ邋ｒ逡逑客户端逦ＬｊｚＪ逦ｓ逡逑应用Ｈ务器逦数据库服务器逡逑客户端逦逦逦ｙ逦＾逡逑Ｗ３ｂｌ：务器逦应用Ｈ务器逦缓存Ｒ务器逡逑／逦／Ｉ逦＾１逡逑晙逦□＝逡逑Ｌ＿＿＿逦ｔ￣￣ｉｉ邋￣￣￣￣ｉ逦逦逦逦逡逑逦邋逦逡逑客户端逡逑应用服务器逡逑图２－４服务器分布式架构图逡逑２．邋２卷积神经网络逡逑２．２．１卷积神经网络原理逡逑相较于传统的机器学习方法，，卷积神经网络规避了人工特征提取过程，实现了逡逑端到端分类功能。卷积神经网络起源于人工神经网络，人工神经网络结构如图２－５逡逑１０逡逑

邋—邋—邋—邋—逦—邋ｊ逡逑图３－１０病变检测模块类图逡逑类似地，各个功能模块都需要创建各自的Ｃｏｎｔｒｏｌｌｅｒ、Ｓｅｒｖｉｃｅ、ＤＡＯ和ＰＯＪＯ对逡逑象
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R587.2;R774.1;TP391.41

【参考文献】

相关期刊论文 前1条

1 雷端;;远程诊断专家系统设计与实现[J];工具技术;2014年03期

本文编号：2598873