[發明專利]一種改進的DME水腫區域神經網絡分割模型的構建方法

有效

• 申請號: 202010083621.6
• 申請日: 2020-02-10
• 公開（公告）號: CN111340829B
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 王振華;鐘元芾;蔣沁;李超鵬;顏標;李秀苗;姚牧笛
• 申請（專利權）人: 上海海洋大學;南京醫科大學眼科醫院
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T5/10;G06T5/00
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 楊采良

本發明屬于網絡數據處理技術領域，公開了一種改進的DME水腫區域神經網絡分割模型的構建方法，進行OCT圖像去噪預處理；基于改進的DeepLab神經網絡實現DME水腫區域的粗分割，利用空洞卷積和空間金字塔池化模塊設計DeepLab神經網絡結構；引入全連接條件隨機場優化DME水腫區域邊界；利用模型分割性能的評價指標對分割模型精度進行評價。本發明能夠提高圖像的對比度，在去除噪聲的同時保留了病變部位的邊緣紋理信息，為水腫區域的精確識別與分割奠定了較好的圖像數據基礎；能夠獲得良好的病變部位分割性能，增大感受視野、增強分割性能，提高OCT圖像的分割速度。

技術領域

本發明屬于DME水腫區域神經網絡分割模型構建技術領域，涉及一種改進的DME水腫區域神經網絡分割模型的構建方法，尤其涉及一種結合小波變換與全連接條件隨機場改進的DME水腫區域神經網絡分割模型。

背景技術

目前，糖尿病視網膜病變是糖尿病在眼部主要并發癥，是我國四大致盲眼病之一。隨著我國人民生活水平的提高，糖尿病視網膜病變近年來的發病率及致盲率有明顯增高趨勢，其嚴重影響著患者的視力功能和生活質量。糖尿病性黃斑水腫(DME)是導致糖尿病患者視力損害的常見原因，DME主要指由于糖尿病引起的黃斑中心凹一個視盤直徑范圍內的細胞外液積聚所致的視網膜增厚或硬性滲出沉積。早期的發現和監測DME對于治療糖尿病視網膜病變，預防患者視力損傷具有積極的意義。

光學相干斷層成像(OCT)是一種無創、無接觸的成像方法，可提供視網膜形態組織信息，對水腫區域的可視化非常有效。OCT圖像已用于檢測和定量的評估DME水腫區域，醫務工作者可通過DME區域大小等來診斷DME的嚴重程度。受OCT圖像的異質性、DME區域特征多樣性、以及DME區域邊界的模糊性等特性影響，DME水腫區域的目視解譯具有耗時多，精度不穩定等問題。面向DME水腫區域的自動化分割可為醫師進行DME識別，提供診斷和決策的提供技術支撐。

目前已有許多基于機器學習和深度學習的方法實現DME區域的自動化分割。Haeker等人將OCT圖像看做圖模型，像素值當做一個節點，基于圖論對水腫部位進行分割，但以像素為節點增大了神經網絡的訓練時間，且分割結果靈敏度較低；Roy等人提出一種基于U-net神經網絡的視網膜分割算法，但淺層網絡無法提取高維抽象特征，在部分病理共存的復雜圖像上分割精度較低；Kermany等人實現了一種基于Inception網絡的多眼病檢測方法，但該模型側重病理分類，無法對病變部位進行精準分割。

綜上所述，現有技術利用OCT圖像對DME水腫區域進行快速、高精度分割存在以下幾個方面的問題：(1)多源OCT圖像的異質性影響著分割模型的計算精度：受生產OCT圖像的儀器，操作人員水平，外部環境以及病原體本身等因素影響；OCT圖像存在較大的異質性，部分OCT圖像出現質量低，存在散斑噪聲和機械噪聲等現象(如圖9所示)。

(2)DME區域特征的多樣性影響著分割模型的計算效率：DME水腫區域存在外觀不均勻、形狀可變性大的問題，部分DME區域與機械噪聲區域輪廓相似等特性，提升了區域邊界分割的難度。同時，DME水腫區域的目視解譯具有耗時多、精度不穩定等問題。

(3)DME區域邊界的模糊性對分割模型的實用性提出了挑戰：病理的共存會使病變部位整體的外觀變的復雜，如何得到高精度的病變區域邊界是分割模型待解決的問題。

(4)現有的基于機器學習和深度學習的實現DME區域的自動化分割的方法中，基于圖論對水腫部位進行分割，但以像素為節點增大了神經網絡的訓練時間，且分割結果靈敏度較低；淺層網絡無法提取高維抽象特征，在部分病理共存的復雜圖像上分割精度較低；現有模型側重病理分類，無法對病變部位進行精準分割。

解決上述技術問題的難度：OCT圖像來源多、DME區域特征多樣性、以及DME區域邊界的模糊性等特性影響，DME水腫區域的目視解譯具有耗時多，精度不穩定等問題。如何提高面向DME水腫區域的自動化分割的效率和精度是上述技術問題的難點。