一种基于回顾性校正的糖尿病视网膜病变的预测方法

本发明涉及智慧医疗诊断，具体涉及一种基于回顾性校正的糖尿病视网膜病变的预测方法。

背景技术：

1、糖尿病视网膜病变(diabetes retinopathy，dr)作为糖尿病的微血管并发症之一，是导致视力受损甚至失明的主要原因。近年来，我国糖尿病人群呈爆发式增长，已成为世界上糖尿病患者最多的国家。而糖尿病患者的高dr发病率也导致我国也成为了世界上dr患者人口最多的国家，dr已经成为我国近十年的主要致盲性眼底疾病。

2、到目前为止，还没有有效的治疗方法来彻底治愈这种疾病。有研究表明，dr的早期诊断和及时治疗有助于预防失明。这一目标可以通过定期筛查项目来实现。但是，由于我国糖尿病患者数量庞大，且还在不断增加，想要对所有确诊糖尿病时未患dr的患者进行定期的追踪随访，以达到尽早发现dr并进行干预治疗的目的非常困难，需要庞大的社会资源以及医疗资源支出。而由于缺乏对dr的认知等种种原因，糖尿病患者通常是在发生了明显的眼部症状或者视力下降的情况，才去诊治，往往为时已晚。有调查发现，糖尿病患者眼部不适或者视力严重衰退就诊时，有超过70％的已经因严重的眼部病变导致了不可逆转的视力障碍，甚至失明。因此本文提出了一种基于回顾性校正的糖尿病视网膜病变的预测方法，用于对未患dr的糖尿病患者进行未来患dr的风险预测，给出糖尿病患者患dr的风险，从而可以针对高风险患者进行追踪随访，并采取对应的措施预防dr。

技术实现思路

1、本发明的目的是为了解决对未患dr的糖尿病患者追踪随访困难、难以尽早预防治疗dr的问题，而提出的一种基于回顾性校正的糖尿病视网膜病变的预测方法。

2、上述发明目的主要是通过以下技术方案实现的：

3、s1、创建dr回顾性队列，并对其进行相应标注，其步骤为：

4、(1)基线时，将符合入选标准的未患dr的糖尿病患者纳入队列，收集其临床信息和视网膜眼底图像；

5、(2)基线的2年后，对队列中的患者进行随访，收集其视网膜眼底图像和是否患dr的信息；

6、基线和2年后的视网膜眼底图像均采用同一眼底相机从同一角度拍摄以视盘为中心的图像。

7、(3)根据基线2年后患者是否患dr对其基线的视网膜眼底图像进行标注，患dr标注为1，否则标注为0；

8、(4)由专家级眼科医生对基线2年后患dr患者的视网膜眼底图像进行像素级标注，标注出图像中的病变区域，得到所需的数据集；

9、s2、利用所述标注好的回顾性队列作为数据集，训练得到预测dr发生的基于多模态的分类模型，其训练步骤为：

10、(1)利用所述标注好的回顾性队列作为数据集，预训练预测dr发生的分类网络，其步骤为：

11、①将所述未患dr的糖尿病患者基线时的视网膜眼底图像输入到分类网络中，输出对dr发生的预测结果，同时生成对预测发生dr的贡献热图；

12、②根据预测结果和所述2年后是否发生dr的标注计算交叉熵损失l1；

13、③根据所述2年后眼底图像的像素级标注得到其mask；

14、④根据所述热图以及2年后视网膜眼底图像的mask，计算患病区域预测损失l2，以此进行回顾性校正，使网络中的特征提取模块更加关注未来可能发生病变的区域，l2计算公式如下：

15、

16、上式中，b代表2年后视网膜眼底图像的mask，h代表所述贡献热图，||e代表按元素取绝对值，m为图像的像素数量；

17、⑤将交叉熵损失l1和患病区域预测损失l2加权相加得到总损失函数l如下：

18、l＝αl1+βl2 (2)

19、上式中，α、β分别为l1和l2对应的权重；

20、⑥调整所述分类网络的参数，直至所述总损失函数l的值小于预设的阈值，完成预训练；

21、(2)利用所述预训练好的分类网络中的特征提取模块提取基线时视网膜眼底图像的特征；

22、(3)利用所述数据集中基线时视网膜眼底图像计算生物指标特征；

23、(4)将所述计算得到的生物指标特征及基线时收集到的临床信息特征进行特征编码，并与提取到的视网膜眼底图像的特征进行多模态特征融合；

24、(5)利用全连接层对融合得到的特征进行分类，得到对dr发生的预测结果，并据此与所述2年后是否发生dr的标注计算损失值；

25、(6)根据所述损失值调整全连接层的参数，直至其小于预设的阈值，完成所述基于多模态的分类模型的训练；

26、s3、利用所述分类模型使用未患dr的糖尿病患者的视网膜眼底图像进行预测，预测结果为其未来2年内发生dr的概率，并按照一定的阈值划分患病风险为高风险、中风险和低风险。

27、预测结果为0到1之间的数字，代表了患者的眼睛在2年内发生dr的可能性，越接近1说明发生病变的可能性越大。

28、发明效果

29、本发明提供了一种基于回顾性校正的糖尿病视网膜病变的预测方法。本方法首先利用基线时以及2年后糖尿病患者的眼底图像以及对应的标签对预测dr发生的分类网络进行预训练。然后利用预训练好的分类网络的特征提取模块提取患者基线眼底图像的特征，将其和特征编码之后的临床特征及生物指标特征进行特征融合。最后利用全连接层对融合后的特征进行分类，得到dr发生的预测结果，并调整其参数直到损失函数小于预设的阈值。实验表明，该方法中的预训练模块可以使特征提取器更容易注意到未来更可能发展为病变的区域，从而提取到更加有效的特征；同时将眼底图像提取的特征、临床特征及生物指标特征进行融合，可以利用特征之间的互补性，获取到更多关于dr的信息，使模型的预测性能更好。

技术特征：

1.一种基于回顾性校正的糖尿病视网膜病变的预测方法，其特征在于，包含如下步骤：

2.如权力要求1所述的一种基于回顾性校正的糖尿病视网膜病变的预测方法，其特征在于，步骤s1中dr回顾性队列的创建及标注包含如下步骤：

3.如权力要求1所述的一种基于回顾性校正的糖尿病视网膜病变的预测方法，其特征在于，步骤s2中基于多模态的分类模型训练包含如下步骤：

4.如权力要求3所述的基于多模态的分类模型训练，其特征在于，步骤s21中预测dr发生的分类网络的预训练包含如下步骤：

技术总结
一种基于回顾性校正的糖尿病视网膜病变预测方法，本发明涉及智慧医疗诊断技术中，对未患糖尿病视网膜病变(diabetes retinopathy，DR)的糖尿病患者追踪随访困难、难以尽早预防治疗DR的问题。由糖尿病引起的微血管并发症——DR是导致视力受损甚至失明的主要原因。虽然有研究表明，对DR的早期诊断和及时治疗有助于预防失明。但是由于我国糖尿病患者数量庞大，且还在迅速增长，再加上患者缺乏相应的防范意识，难以实现早发现早治疗。为解决这一问题，本发明提出了一种基于回顾性校正的糖尿病视网膜病变预测方法。实验表明，该方法能够准确地预测未患DR的糖尿病患者2年内患DR的风险，以据此针对高风险患者追踪随访，减少DR发病率。本发明应用于DR的风险预测。

技术研发人员：谢怡宁,张宇航,齐鹤,单丹丹,龙俊
受保护的技术使用者：东北林业大学
技术研发日：
技术公布日：2024/1/12