基于機器學習的眼科疾病智能診斷研究

顧承龍，楊輝，董雨，韓磊，葉明全

（皖南醫學院 醫學信息學院，安徽 蕪湖 241002）

0 引言

據世界衛生組織資料顯示，包括屈光不正在內的眼科疾病已經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量的疾病[1]。在眼科領域，眼科疾病患病人數隨著人口老齡化正在不斷增加，使得醫生的工作任務愈發繁重，所帶來的醫師漏判、誤診、效率低及專業人員短缺等弊端日益顯現。同時，由于地域分布、經濟發展、受教育程度不平衡等因素，我國的眼科資源在東部、中部、西部分布不均勻[2]，阻礙了眼科事業的均衡發展。顯然，僅依靠人類視覺系統觀察發現CT 眼底圖像中的病癥并保持較高正確診斷率難度較大。因此開發一款眼科疾病智能診斷系統可有效緩解當前問題。通過上傳患者眼底圖像，即可為眼科疾病精準診斷與護理提供指導，為不同地區的患者帶來便捷的就醫服務，而且可以提高患者的生存率[3]。

隨著科技的進步和人工智能領域研究的深入，機器學習這一跨領域交叉學科技術已經滲透到了醫學領域。在醫學領域應用機器學習算法，可以有效節約各種人力、物力、財力，提高醫生的看病效率，緩解就醫難的問題[4]。同時，眼科診斷儀器已實現了數字化，與其他臨床學科比較，眼科實現遠程醫療最有優勢[5]。患者將眼底圖像上傳至服務器，利用機器學習算法對圖像進行智能分割和診斷，可為患者帶來更準確高效的診療服務。

1 系統框架與主界面

基于機器學習的眼科疾病智能診斷系統由智能診斷、健康問診、色盲色弱測試、健康信息四個模塊組成，系統框架及系統主界面如圖1 和圖2 所示。

圖1 系統框架

圖2 系統主界面

2 系統功能模塊

2.1 智能診斷

眼底圖像的智能診斷包含數字圖像預處理、眼底圖像智能分割和眼底圖像識別3 個步驟（如圖3所示）。通過數字圖像預處理技術對眼底圖像進行去噪，借助圖像分割模型提取眼底圖像血管，根據血管的特征進行識別，從而判定眼底組織是否病變。

圖3 基于機器學習的眼科疾病智能診斷流程

2.1.1數字圖像預處理

數字圖像預處理是數字圖像處理的一部分，它在整個圖像處理領域發揮著重要的作用[6]。通過數字圖像預處理技術能夠消除圖像的無關信息，最大限度地簡化數據，而眼底血管是人體內唯一可以通過無創手段觀察的血管，且與各種眼科疾病密切相關，所以，借助數字圖像預處理技術，對眼底圖像進行灰度化、標準化、伽馬變換和直方圖均衡化的預處理操作（如圖4 所示），從而減小待訓練圖像的噪聲，增強眼底圖像血管的顯示程度。

圖4 圖像預處理（圖a 灰度化、圖b 標準化、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算機視覺技術，是從圖像處理到圖像分析的關鍵步驟[7]。經預處理后的眼底圖像，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習模型進行圖像分割。

U-Net 神經網絡結構最先由Olaf Ronneberger等[8]在2015 年提出，該網絡結構使用包含壓縮路徑和擴展路徑的對稱U 形結構，非常具有創新性。在U-Net 模型的高層獲取圖形的細節信息，在模型的底層獲取圖形的低頻信息，通過skip connection將各個層次的信息保留，使得整個網絡可以很好地記住圖像的所有信息。眼底醫學圖像具有邊界模糊、梯度復雜、需要較多的高分辨率信息且眼底圖像結構相對固定、分割目標分布有明顯規律等特點，U-Net網絡結構可以對眼底醫學圖像進行深層特征定位和淺層特征的精確分割，通過利用少量的數據集進行端對端的訓練，即可獲得較好的輸出結果（如圖5所示）。

圖5 智能分割

2.1.3圖像識別

神經網絡圖像識別技術是隨著當代計算機技術、圖像處理、人工智能、模式識別理論等發展起來的一種新型圖像識別技術[9]。通過使用對神經網絡進行預訓練得到的圖像分割模型檢測圖像，一旦檢測到血管，就會從眼底圖像中分割出血管區域，下一步就是判定檢測到的圖像分割結果是否為病變類型，系統會自動根據血管的形變程度、紋理特征等來檢測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網絡與移動互聯網絡之上，借助數據挖掘、云計算和全景病歷技術，為醫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指導等服務。該功能模塊利用Web網絡平臺，在患者預約成功后即可實現與眼科疾病醫師的病情交流，從而進一步確認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

由于大多數患者在日常生活中對自己是否患有色盲色弱感知不強，因此可通過簡單的視力檢測，通過輸入目測結果，系統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

2.4 健康信息

該功能模塊旨在為患者普及眼科疾病的醫學常識。系統中詳細說明了各類眼科疾病的發病原因、癥狀表現、治療方法等，通過該模塊，對拓展患者眼科疾病常識、提高眼科疾病預防能力有一定的作用。

3 結語

基于機器學習的眼科疾病智能診斷系統，通過運用數字圖像預處理技術和機器學習方法，對患者進行眼底圖像分割與智能識別，并提供遠程健康問診、色盲色弱檢測、個性化推送眼科疾病特征與預防指導服務，能夠提高診斷的效率，改善患者的就醫體驗。

綜上所述，基于機器學習的眼科疾病智能診斷系統在眼科診斷上具有一定的前景。隨著人工智能技術的發展，其強大的數據處理能力能夠減輕醫生負擔，提高診療效率。因為眼睛是多臟器健康狀況的觀察窗口[10]，同時眼科疾病具有較高的臨床安全性和應用可推廣性等特點，所以將眼科疾病與人工智能技術相結合具有明顯的學科優勢。將人工智能技術應用于眼科領域，有著廣闊的應用前景與深遠的研究價值。