[發明專利]一種從眼底OCT圖像中分割脈絡膜新生血管的方法及系統

在審

• 申請號: 202010073201.X
• 申請日: 2020-01-22
• 公開（公告）號: CN111292338A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 陳新建;石霏;蘇金珠;朱偉芳
• 申請（專利權）人: 蘇州大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.一種從眼底OCT圖像中分割脈絡膜新生血管的方法，其特征是，包括，

a、采集包含脈絡膜新生血管病變的眼底OCT圖像，并分為訓練集和測試集；

b、構建基于差分放大模塊的卷積神經網絡，采用VGG16作為U-Net網絡中編碼部分的特征提取器；在每個卷積塊的池化操作之后連接一個差分放大模塊，構成跳躍連接，提取不同分辨率下圖像的高頻信息和低頻信息，其中，卷積核大小為2×2區域內的平均池化操作看作是平滑操作，因此，將平均池化操作看作是一個低通濾波器，用于提取圖像的低頻信息，然后，差操作看作是一個高通濾波器，用于提取特征圖像的高頻信息，所述高頻信息和所述低頻信息分別經過卷積操作進一步提取特征，再將提取好的特征通過融合上采樣恢復到與原輸入特征圖同樣大小的尺寸；

c、使用訓練集訓練構建的基于差分放大模塊的卷積神經網絡，并通過測試集進行測試；

其中，訓練構建的基于差分放大模塊的卷積神經網絡的方式包括損失函數，所述損失函數包括二進制交叉熵損失函數和Dice損失函數；所述損失函數為：

loss＝loss_bce+loss_dice(3)

其中，loss_bce代表二進制交叉熵損失函數，x_i代表金標準圖像中第i個像素值，y_i代表網絡的預測結果中的第i個像素值，n代表圖像的總像素數，loss_dice代表Dice損失函數，loss代表損失函數；

其中，金標準圖像指人工標注出了脈絡膜新生血管病變的SD-OCT圖像；

d、使用訓練好的基于差分放大模塊的卷積神經網絡從眼底OCT圖像中分割脈絡膜新生血管，得到分割結果。

2.根據權利要求1所述的從眼底OCT圖像中分割脈絡膜新生血管的方法，其特征是，所述將差操作作為高通濾波器提取圖像的高頻信息，具體為：將原始圖像通過核大小為2×2的最大池化與卷積操作，2×2的最大池化得到2×2區域內像素的最大值，2×2的卷積將圖像分辨率降到原來的四分之一，保持它的大小與最大池化后的大小一致，最后將這兩部分做差，就得到高頻信息。

3.根據權利要求1所述的從眼底OCT圖像中分割脈絡膜新生血管的方法，其特征是，訓練構建的基于差分放大模塊的卷積神經網絡的方式包括采用學習率為0.00001的Adam優化器對網絡中的權重參數進行優化。

4.根據權利要求1所述的從眼底OCT圖像中分割脈絡膜新生血管的方法，其特征是，訓練構建的基于差分放大模塊的卷積神經網絡的方式包括將訓練集中的圖像經過隨機水平翻轉和/或縮放的方式進行數據擴充。

5.一種從眼底OCT圖像中分割脈絡膜新生血管的系統，其特征是，包括處理器和存儲設備，所述存儲設備中存儲有多條指令，用于所述處理器加載并執行權力要求1～4任一項所述方法的步驟。