基于机器学习的眼科疾病智能诊断研究

顾承龙，杨辉，董雨，韩磊，叶明全

（皖南医学院 医学信息学院，安徽 芜湖 241002）

0 引言

据世界卫生组织资料显示，包括屈光不正在内的眼科疾病已经成为继肿瘤和心脑血管疾病之后第三大威胁人类健康以及生存质量的疾病[1]。在眼科领域，眼科疾病患病人数随着人口老龄化正在不断增加，使得医生的工作任务愈发繁重，所带来的医师漏判、误诊、效率低及专业人员短缺等弊端日益显现。同时，由于地域分布、经济发展、受教育程度不平衡等因素，我国的眼科资源在东部、中部、西部分布不均匀[2]，阻碍了眼科事业的均衡发展。显然，仅依靠人类视觉系统观察发现CT 眼底图像中的病症并保持较高正确诊断率难度较大。因此开发一款眼科疾病智能诊断系统可有效缓解当前问题。通过上传患者眼底图像，即可为眼科疾病精准诊断与护理提供指导，为不同地区的患者带来便捷的就医服务，而且可以提高患者的生存率[3]。

随着科技的进步和人工智能领域研究的深入，机器学习这一跨领域交叉学科技术已经渗透到了医学领域。在医学领域应用机器学习算法，可以有效节约各种人力、物力、财力，提高医生的看病效率，缓解就医难的问题[4]。同时，眼科诊断仪器已实现了数字化，与其他临床学科比较，眼科实现远程医疗最有优势[5]。患者将眼底图像上传至服务器，利用机器学习算法对图像进行智能分割和诊断，可为患者带来更准确高效的诊疗服务。

1 系统框架与主界面

基于机器学习的眼科疾病智能诊断系统由智能诊断、健康问诊、色盲色弱测试、健康信息四个模块组成，系统框架及系统主界面如图1 和图2 所示。

图1 系统框架

图2 系统主界面

2 系统功能模块

2.1 智能诊断

眼底图像的智能诊断包含数字图像预处理、眼底图像智能分割和眼底图像识别3 个步骤（如图3所示）。通过数字图像预处理技术对眼底图像进行去噪，借助图像分割模型提取眼底图像血管，根据血管的特征进行识别，从而判定眼底组织是否病变。

图3 基于机器学习的眼科疾病智能诊断流程

2.1.1数字图像预处理

数字图像预处理是数字图像处理的一部分，它在整个图像处理领域发挥着重要的作用[6]。通过数字图像预处理技术能够消除图像的无关信息，最大限度地简化数据，而眼底血管是人体内唯一可以通过无创手段观察的血管，且与各种眼科疾病密切相关，所以，借助数字图像预处理技术，对眼底图像进行灰度化、标准化、伽马变换和直方图均衡化的预处理操作（如图4 所示），从而减小待训练图像的噪声，增强眼底图像血管的显示程度。

图4 图像预处理（图a 灰度化、图b 标准化、图c 伽马变换、图d直方图均衡化）

2.1.2智能分割模型

图像分割是一种基本的计算机视觉技术，是从图像处理到图像分析的关键步骤[7]。经预处理后的眼底图像，具有良好的信噪比，为了获得较好的智能分割效果，需要选择合适的深度学习模型进行图像分割。

U-Net 神经网络结构最先由Olaf Ronneberger等[8]在2015 年提出，该网络结构使用包含压缩路径和扩展路径的对称U 形结构，非常具有创新性。在U-Net 模型的高层获取图形的细节信息，在模型的底层获取图形的低频信息，通过skip connection将各个层次的信息保留，使得整个网络可以很好地记住图像的所有信息。眼底医学图像具有边界模糊、梯度复杂、需要较多的高分辨率信息且眼底图像结构相对固定、分割目标分布有明显规律等特点，U-Net网络结构可以对眼底医学图像进行深层特征定位和浅层特征的精确分割，通过利用少量的数据集进行端对端的训练，即可获得较好的输出结果（如图5所示）。

图5 智能分割

2.1.3图像识别

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术[9]。通过使用对神经网络进行预训练得到的图像分割模型检测图像，一旦检测到血管，就会从眼底图像中分割出血管区域，下一步就是判定检测到的图像分割结果是否为病变类型，系统会自动根据血管的形变程度、纹理特征等来检测眼底组织病变的可能性。

2.2 健康问诊

健康问诊模块是建立于院内网络与移动互联网络之上，借助数据挖掘、云计算和全景病历技术，为医生和患者提供方便快捷的病情交流、在线全景病历浏览和恢复指导等服务。该功能模块利用Web网络平台，在患者预约成功后即可实现与眼科疾病医师的病情交流，从而进一步确认诊断和制定治疗方案（如图6 所示）。

图6 健康问诊信息处理流程

2.3 色盲色弱检测

由于大多数患者在日常生活中对自己是否患有色盲色弱感知不强，因此可通过简单的视力检测，通过输入目测结果，系统即可快速给出色盲色弱诊断（如图7 所示）。

图7 色盲色弱检测

2.4 健康信息

该功能模块旨在为患者普及眼科疾病的医学常识。系统中详细说明了各类眼科疾病的发病原因、症状表现、治疗方法等，通过该模块，对拓展患者眼科疾病常识、提高眼科疾病预防能力有一定的作用。

3 结语

基于机器学习的眼科疾病智能诊断系统，通过运用数字图像预处理技术和机器学习方法，对患者进行眼底图像分割与智能识别，并提供远程健康问诊、色盲色弱检测、个性化推送眼科疾病特征与预防指导服务，能够提高诊断的效率，改善患者的就医体验。

综上所述，基于机器学习的眼科疾病智能诊断系统在眼科诊断上具有一定的前景。随着人工智能技术的发展，其强大的数据处理能力能够减轻医生负担，提高诊疗效率。因为眼睛是多脏器健康状况的观察窗口[10]，同时眼科疾病具有较高的临床安全性和应用可推广性等特点，所以将眼科疾病与人工智能技术相结合具有明显的学科优势。将人工智能技术应用于眼科领域，有着广阔的应用前景与深远的研究价值。