基于眼底彩照的人工智能诊断云平台

眼疾病已成为威胁人类健康的重要疾病之一，往往会对眼睛造成无法逆转的永久性损伤，其中致盲率较高的眼疾病有糖尿病视网膜病变、白内障、青光眼、年龄相关性黄斑变性、高度近视等。目前我国眼疾病患者数量呈逐年上升趋势，相关研究显示，我国是世界上盲人数量最多的国家之一，约670万人，占世界盲人总数的18%，其中视网膜血管病变是致盲的重要因素之一。而全国拥有眼科科室的医院仅占总数的23%左右，眼科医生数量仅为4.48万名左右，面对超过2亿的眼疾病患者，平均5万人才有1.6名眼科医生，医患比例异常悬殊，眼科医疗系统时刻处于超负荷运转状态。不仅是医疗资源严重缺乏，医疗资源分布也严重不均衡，相对集中在经济发达地区，基层医疗机构和偏远地区眼科医疗资源十分有限。罹患眼疾病的患者通常只能前往专业眼科医院和大型综合医院就诊，而这种局限性会造成患者的扎堆现象，进一步加剧了医疗资源不足的问题，患者往往花费大量时间排队候诊而导致病情延误。

眼疾病具有诊疗周期长、易复发等特点，患者往往需要多次前往医院寻找指定医生就诊，不仅给患者带来很大不便，也给医生的诊治带来不小的挑战。医生需要持续跟进许多患者的病情，传统的纸质病历查阅不便且易丢失，因此需要设计一种电子病历来有效保存患者的就诊记录，方便医生查阅。

随着计算机辅助诊断（computer-aided diagnosis，CAD）技术的不断发展和便携式眼底照相机的普及，出现许多眼疾病智能筛查系统。眼疾病智能筛查系统可以在不用医生干预的情况下，自动对患者眼底图像进行客观判断和分析并给出诊断意见和建议，具有高效、易于推广等优点，能够有效地辅助医生进行病情诊断，不仅提高了眼科医生的工作效率，也极大地缩短了患者的候诊时间，很大程度上缓解眼科医疗资源不足、分布不均的现状。因此，推动眼疾病智能筛查系统在临床诊断上的应用具有重大意义。基于上述眼科行业的不足，我们在获得患者眼底图像的基础上构建一个完整的眼疾病人工智能云平台系统，帮助医生和患者进行眼底图像质量评估、眼疾病诊断、病灶点分析和诊疗报告生成、电子健康档案建立并快捷完成远程会诊。该系统可以用于一些医疗技术不发达基层地区，如社区小诊所，甚至有可能进入普通家庭，方便完成对眼睛的实时监护。

本章将结合深度学习技术对常见眼底疾病进行分类诊断，采用迁移学习策略训练Efficient Net分类网络以得到网络模型，将算法模块部署至阿里云服务器并与前端访问端口进行对接。算法模块接受并处理网页请求并返回分析结果，结果包含病种名称和患病概率。此外，系统还能生成诊疗报告供医生和患者查看，建立和共享电子健康档案，实现快捷的远程转诊会诊。