基于嵌入式的便携式青光眼筛查系统设计

作     者：涂佳昊 

作者单位：南昌大学 

学位级别：硕士

导师姓名：曾明如;姚卫星

授予年度：2023年

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100212[医学-眼科学] 0802[工学-机械工程] 10[医学] 

主      题：眼底图像 青光眼筛查 深度学习 结构重参数化算法 

摘      要：青光眼是不可逆致盲的主要原因之一,该疾病在早期一般没有明显症状,很多患者直到晚期才被确诊,导致治疗被耽误。现有的青光眼筛查方案需要耗费大量的人力物力,大范围的筛查工作难以开展。针对这一难题,本文设计了一种基于嵌入式的便携式青光眼筛查系统,并将深度学习算法与嵌入式技术有机结合,实现了青光眼的便携式自动筛查功能。具体的研究内容如下:首先,结合青光眼筛查的特点及需求,对系统的功能及涉及到的技术进行了分析,确定了系统的两大主要功能——青光眼筛查功能以及随访与监测功能,制定了技术方案。其次,提出了一种基于眼底图像的青光眼筛查算法,设计了由若干个感受野逐渐递减的多分支网络块堆叠而成的网络模型Trap Net,这种结构一方面能够最大限度地提取多尺度特征,以提升特征的利用率,另一方面能够避免因网络层数的加深而导致的细节特征丢失。为了提升算法在嵌入式设备上的推理性能,为Trap Net扩充了结构重参数化算法,用扩充过的结构重参数化算法解耦模型的训练与推理,将训练完成后的多分支训练模型参数等效变换为单路的推理模型。将Trap Net网络模型在OIA-ODIR数据集上进行了对比实验验证了算法的优越性。最后,完成了便携式眼底相机系统的硬件选型及软件实现,移植了MNN推理平台,将模型部署到便携式眼底相机系统上,实现了青光眼筛查功能。搭建了基于微服务架构的后台服务系统,通过Docker技术将系统部署到了云服务器上,在后台服务系统中还利用了云计算技术将患者的病情进展量化为杯盘比数据的变化,实现了随访与监测功能。