背景技術(shù)：

1、眼睛是人體最脆弱的器官，并且為了使它們不受不同視覺障礙的影響，需要特殊護理。提供特殊護理的方法之一是定期篩查眼睛，以診斷不同的視覺障礙。這種篩查或診斷可以防止諸如視力模糊、不同的顏色感知以及更多的可能由任何發(fā)展中的眼睛疾病(諸如年齡相關(guān)性黃斑變性(amd))引起的反常。amd是通常在老年人中發(fā)展的嚴重、不可逆的視力損傷的主要原因。如果沒有在amd的早期階段被檢測到，amd的影響可能日益擴大。通常，通過檢查眼睛的視網(wǎng)膜以檢測視網(wǎng)膜下稱為玻璃疣的微小黃色沉積物的存在和特征來診斷amd。然而，現(xiàn)有的測試都沒有以最小的成本為大規(guī)模群體篩查提供具有準確結(jié)果的amd自動檢測。

技術(shù)實現(xiàn)思路

技術(shù)特征：

1.一種系統(tǒng)，包括：

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述調(diào)查引擎用于：

3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述amd檢測流水線用于：

4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述調(diào)查引擎用于：

5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述amd檢測模型流水線包括多個深度學(xué)習(xí)模型，所述深度學(xué)習(xí)模型是從包括視圖分析模型、質(zhì)量估計模型和amd檢測模型的組中選擇的。

6.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述調(diào)查引擎用于：

7.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述多個輸入眼睛圖像特性包括：視網(wǎng)膜后部的玻璃疣的大小、面積、顏色和數(shù)量，視網(wǎng)膜色素上皮即rpe級處的損傷的大小、面積、顏色和數(shù)量，視網(wǎng)膜色素上皮即rpe級以上的玻璃疣的大小、面積、顏色和數(shù)量，其他rpe變化，脈絡(luò)膜新血管形成或其提示性特征，地圖樣萎縮，盤狀瘢痕或其組合。

8.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述調(diào)查引擎還用于：

9.一種方法，包括：

10.根據(jù)權(quán)利要求9所述的方法，其中，所述多個訓(xùn)練眼睛圖像特性包括：視網(wǎng)膜后部的玻璃疣的大小、面積、顏色和數(shù)量，視網(wǎng)膜色素上皮即rpe級處的損傷的大小、面積、顏色和數(shù)量，視網(wǎng)膜色素上皮即rpe級以上的玻璃疣的大小、面積、顏色和數(shù)量，其他rpe變化，脈絡(luò)膜新血管形成或其提示性特征，地圖樣萎縮，盤狀瘢痕或其組合。

11.根據(jù)權(quán)利要求9所述的方法，其中，所述訓(xùn)練眼睛圖像第一集合包括從具有預(yù)先存在的圖像捕獲能力的照相機裝置捕獲的訓(xùn)練眼睛圖像的大數(shù)據(jù)集，其中，在使用所述訓(xùn)練眼睛圖像第一集合進行訓(xùn)練的情況下，所述amd檢測模型流水線用于學(xué)習(xí)具有amd的一般群體的眼睛特性信息。

12.根據(jù)權(quán)利要求9所述的方法，其中，所述訓(xùn)練眼睛圖像第二集合包括從具有特定圖像捕獲能力的目標照相機裝置捕獲的來自特定地理區(qū)域的圖像的小數(shù)據(jù)集，其中，在使用所述訓(xùn)練眼睛圖像第二集合進行訓(xùn)練的情況下，所述amd檢測模型流水線針對具有amd的特定群體而個性化。

13.根據(jù)權(quán)利要求9所述的方法，其中，所述amd檢測模型流水線包括多個深度學(xué)習(xí)模型，所述深度學(xué)習(xí)模型是從包括視圖分析模型、質(zhì)量估計模型和amd檢測模型的組中選擇的。

14.根據(jù)權(quán)利要求9所述的方法，其中，所述方法包括通過經(jīng)訓(xùn)練的amd檢測模型流水線來評估輸入眼睛圖像的質(zhì)量，以丟棄具有不能夠接受的質(zhì)量的圖像。

15.根據(jù)權(quán)利要求9所述的方法，其中，所述方法包括通過經(jīng)訓(xùn)練的amd檢測模型流水線來確定所述輸入圖像的視圖類型以僅接受具有黃斑中心化視圖的圖像，其中，輸入眼睛圖像具有顳視圖、鼻視圖、盤中心化視圖、黃斑中心化視圖、俯視圖和仰視圖之一。

技術(shù)總結(jié)
描述了用于檢測輸入眼睛中AMD的存在的方法。在示例中，獲得與輸入眼睛相對應(yīng)的輸入眼睛圖像。一旦輸入眼睛圖像被獲得，輸入眼睛圖像就可以經(jīng)歷預(yù)處理步驟(諸如裁剪)。此后，可以基于視圖分析模型來處理輸入眼睛圖像以選擇黃斑中心化視圖圖像。然后，可以基于質(zhì)量估計模型來處理輸入眼睛圖像以明確輸入眼睛圖像的質(zhì)量。一旦基于質(zhì)量標準明確了輸入眼睛圖像是可接受的，則可以基于AMD檢測模型對輸入眼睛圖像進行處理以獲得眼睛特性信息從而檢測AMD的存在，并且進行將輸入眼睛圖像作為AMD陽性眼睛和AMD陰性眼睛之一的二元類別化。

技術(shù)研發(fā)人員：F·M·薩沃伊,J·K·卓,S·E·B·王,D·拉奧·帕塔薩拉蒂
受保護的技術(shù)使用者：梅迪奧斯科技私人有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19