一种糖尿病并发症风险智能评估系统
本发明涉及医疗信息处理与人工智能,具体为一种糖尿病并发症风险智能评估系统。
背景技术:
1、糖尿病视网膜病变是糖尿病最常见的微血管并发症之一,其早期筛查和进展风险评估主要依赖眼底图像的判读。传统基于眼底图像的评估方法存在以下局限性:第一,多采用单帧静态图像分析,仅能识别已发生的病变,无法捕捉病变随时间演化的动态轨迹;第二,忽略了临床化验指标的纵向演化规律,将眼底图像与全身代谢状态割裂开来;第三,现有配准技术难以在亚像素级别实现不同时期眼底图像的精确对齐,限制了微小病变的定量对比。
2、因此,亟需一种能够同时处理时序眼底影像和临床指标演化、实现多模态数据深度整合的智能评估系统,以提升对糖尿病并发症风险的评估精度和可解释性。
技术实现思路
1、(一)要解决的技术问题
2、针对现有技术的不足,本发明提供了一种糖尿病并发症风险智能评估系统,通过对同一患者不同时期的眼底图像进行精密配准和逐像素对比,精准量化病变演化过程,并将该演化过程与临床指标的纵向趋势进行跨模态融合,实现有据可查的个性化风险评估。
3、(二)技术方案
4、为实现以上目的,本发明通过以下技术方案予以实现:一种糖尿病并发症风险智能评估系统,包括:
5、数据获取模块,用于获取同一患者的至少两次就诊记录,每次就诊记录包含眼底图像和多项临床化验指标;
6、血管分割模块,用于对所述眼底图像进行血管分割,得到动脉血管图和静脉血管图;
7、图像配准模块,用于利用所述动脉血管图和静脉血管图,对所述就诊记录中的所述眼底图像进行配准,得到空间对齐的图像对;
8、病变变化检测模块,用于根据所述图像对,生成多种糖尿病相关眼底病变的演化概率图;
9、管径变化测量模块,用于依据所述动脉血管图、所述静脉血管图及所述图像对,计算血管管径随时间的变化序列;
10、临床指标演化编码模块,用于将所述多项临床化验指标按照就诊时间顺序构成临床化验指标序列,并进行时序编码,得到临床演化特征向量;
11、融合评估模块,用于根据所述演化概率图生成影像演化特征,根据所述管径变化序列生成管径变化特征,并将所述影像演化特征、所述管径变化特征和所述临床演化特征向量融合,基于融合特征评估糖尿病并发症风险。
12、在一些实施例中,两次所述就诊记录的时间间隔满足预设时间间隔,且所述多项临床化验指标包括空腹血糖值、糖化血红蛋白百分比、收缩压、舒张压、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、尿微量白蛋白与肌酐比值。
13、在一些实施例中,所述图像配准模块包括:
14、解剖标志检测单元,用于检测所述眼底图像中的视盘中心和黄斑中心凹;
15、刚性对齐单元,用于基于两次所述眼底图像中检测到的解剖标志点,计算相似变换矩阵,并利用所述相似变换矩阵对所述眼底图像进行初步对齐;
16、弹性微调单元,用于以所述动脉血管图和所述静脉血管图作为输入,利用全卷积位移场预测网络预测位移场,对初步对齐后的所述眼底图像进行血管层面的弹性对齐,得到所述空间对齐的图像对。
17、在一些实施例中,所述病变变化检测模块包括孪生变化检测网络,所述孪生变化检测网络具有双分支且权重共享的骨干网络,用于分别提取所述图像对中两幅图像的多尺度特征图,并通过所述多尺度特征图差值获得变化特征,再经由特征金字塔输出四通道演化概率图,所述四通道分别对应微动脉瘤新生概率图、出血新增或扩大概率图、硬性渗出新增或扩大概率图和棉绒斑新增或扩大概率图。
18、在一些实施例中,所述管径变化测量模块具体用于:在所述空间对齐的所述图像对中,以视盘中心为圆心生成多条辐射状测线,确定所述测线与血管的交点作为测量点,在各个所述测量点利用欧氏距离变换分别计算不同时期所述眼底图像上的血管直径,并计算管径变化百分比,从而生成沿所述血管走向的管径变化序列。
19、在一些实施例中,所述临床指标演化编码模块采用transformer编码器对所述临床化验指标序列进行编码,并取序列末端对应的输出向量作为所述临床演化特征向量。
20、在一些实施例中,所述融合评估模块包括:
21、影像演化特征压缩单元,用于对所述演化概率图进行降维处理,得到所述影像演化特征;
22、管径变化特征提取单元,用于利用时间卷积网络对所述管径变化序列进行特征提取,得到所述管径变化特征;
23、跨模态注意力融合单元,用于将所述影像演化特征、所述管径变化特征和所述临床演化特征向量拼接后,通过门控注意力层生成权重向量,并利用所述权重向量对拼接特征进行加权,得到融合特征,以用于风险评估。
24、在一些实施例中,所述融合评估模块输出的风险评估结果包括:糖尿病视网膜病变严重程度分级、设定时间内进展至需要临床干预阶段的风险概率,以及基于所述演化概率图中激活最强区域和所述管径变化序列生成的高风险因素文本提示。
25、在一些实施例中,还包括图像质量筛查模块,所述图像质量筛查模块用于对所述眼底图像进行质量评分,并在所述质量评分低于预设质量阈值时拒绝该眼底图像,仅将通过质量评分的眼底图像输入所述血管分割模块。
26、在一些实施例中,还包括不确定性评估模块,所述不确定性评估模块被配置为:在所述病变变化检测模块推理时,采用蒙特卡洛丢弃策略进行多次前向传播,得到多个演化概率图,计算所述多个演化概率图的逐像素标准差的平均值,若所述平均值高于预设不确定性阈值,则输出不确定评估结果并提示人工复核。
27、(三)有益效果
28、本发明的有益效果是:
29、本发明提供的一种糖尿病并发症风险智能评估系统,通过图像配准模块将不同时期的眼底图像进行精密对齐,并通过病变变化检测模块和管径变化测量模块对对齐后的图像进行逐像素对比和测量,实现了从静态病灶识别到动态演化量化的范式转换,能够量化微动脉瘤、出血等病变的新增、扩大或消退情况,以及血管管径的细微变化。同时,通过临床指标演化编码模块和融合评估模块,将眼底影像的演化特征与临床化验指标的纵向趋势进行跨模态注意力融合,使得风险评估融合了局部病变与全身状态的双重演化信息,提升了评估的准确性和可解释性,解决了传统方法割裂多源时序数据的问题。
1.一种糖尿病并发症风险智能评估系统,其特征在于,包括:
2.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,两次所述就诊记录的时间间隔满足预设时间间隔,且所述多项临床化验指标包括空腹血糖值、糖化血红蛋白百分比、收缩压、舒张压、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、尿微量白蛋白与肌酐比值。
3.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,所述图像配准模块包括:
4.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,所述病变变化检测模块包括孪生变化检测网络,所述孪生变化检测网络具有双分支且权重共享的骨干网络,用于分别提取所述图像对中两幅图像的多尺度特征图,并通过所述多尺度特征图差值获得变化特征,再经由特征金字塔输出四通道演化概率图,所述四通道分别对应微动脉瘤新生概率图、出血新增或扩大概率图、硬性渗出新增或扩大概率图和棉绒斑新增或扩大概率图。
5.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,所述管径变化测量模块具体用于:在所述空间对齐的所述图像对中,以视盘中心为圆心生成多条辐射状测线,确定所述测线与血管的交点作为测量点,在各个所述测量点利用欧氏距离变换分别计算不同时期所述眼底图像上的血管直径,并计算管径变化百分比,从而生成沿所述血管走向的管径变化序列。
6.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,所述临床指标演化编码模块采用transformer编码器对所述临床化验指标序列进行编码,并取序列末端对应的输出向量作为所述临床演化特征向量。
7.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,所述融合评估模块包括:
8.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,所述融合评估模块输出的风险评估结果包括:糖尿病视网膜病变严重程度分级、设定时间内进展至需要临床干预阶段的风险概率,以及基于所述演化概率图中激活最强区域和所述管径变化序列生成的高风险因素文本提示。
9.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,还包括图像质量筛查模块,所述图像质量筛查模块用于对所述眼底图像进行质量评分,并在所述质量评分低于预设质量阈值时拒绝该眼底图像,仅将通过质量评分的眼底图像输入所述血管分割模块。
10.根据权利要求1所述的糖尿病并发症风险智能评估系统,其特征在于,还包括不确定性评估模块,所述不确定性评估模块被配置为:在所述病变变化检测模块推理时,采用蒙特卡洛丢弃策略进行多次前向传播,得到多个演化概率图,计算所述多个演化概率图的逐像素标准差的平均值,若所述平均值高于预设不确定性阈值,则输出不确定评估结果并提示人工复核。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com