[發(fā)明專利]基于傅里葉變換的OCT圖像質(zhì)量評估方法、系統(tǒng)及裝置在審
| 申請?zhí)枺?/td> | 202010618087.4 | 申請日： | 2020-06-30 |
| 公開（公告）號： | CN111784665A | 公開（公告）日： | 2020-10-16 |
| 發(fā)明（設計）人： | 王瑞;王立龍;呂傳峰 | 申請（專利權(quán)）人： | 平安科技（深圳）有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00 |
| 代理公司： | 北京鴻元知識產(chǎn)權(quán)代理有限公司 11327 | 代理人： | 袁文婷;張娓娓 |
| 地址： | 518033 廣東省深圳市福田區(qū)福*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 傅里葉變換 oct 圖像 質(zhì)量 評估 方法 系統(tǒng) 裝置 | ||
1.一種基于傅里葉變換的OCT圖像質(zhì)量評估方法，應用于電子裝置，其特征在于，所述方法包括：
對具有已知圖像標簽的眼底OCT圖像樣本集中的各眼底OCT圖像樣本進行傅里葉變換，以建立相應的頻譜圖像樣本集；
創(chuàng)建多模態(tài)分類網(wǎng)絡模型，并通過所述眼底OCT圖像樣本集和所述頻譜圖像樣本集對所述多模態(tài)分類網(wǎng)絡模型進行訓練；
所述多模態(tài)分類網(wǎng)絡模型訓練完畢后，將待分類眼底OCT圖像以及與所述待分類眼底OCT圖像對應的待分類頻譜圖像輸入至所述多模態(tài)分類網(wǎng)絡模型，通過所述多模態(tài)分類網(wǎng)絡模型對所述待分類眼底OCT圖像進行質(zhì)量評估。
2.根據(jù)權(quán)利要求1所述的基于傅里葉變換的OCT圖像質(zhì)量評估方法，其特征在于，所述眼底OCT圖像樣本集存儲于區(qū)塊鏈中，對所述眼底OCT圖像樣本進行傅里葉變換的過程包括：
依次對各眼底OCT圖像分別進行灰度處理；
對灰度處理后的各眼底OCT圖像進行快速傅里葉變換生成相應的頻域樣本；
根據(jù)所述頻域樣本建立所述頻譜圖像樣本集。
3.根據(jù)權(quán)利要求1或2所述的基于傅里葉變換的OCT圖像質(zhì)量評估方法，其特征在于，所述多模態(tài)分類網(wǎng)絡模型包括Deep stream分支、shallow stream分支以及Simple ModalImage stream分支；其中，
在訓練所述多模態(tài)分類網(wǎng)絡模型的過程中，
所述Deep stream分支用于通過所述眼底OCT圖像樣本集進行訓練，以對所述眼底OCT圖像樣本集中的各眼底OCT圖像樣本的深層特征進行提?。?/p>
所述Shallow stream分支用于通過所述眼底OCT圖像樣本集進行訓練，以對所述眼底OCT圖像樣本集中的各眼底OCT圖像樣本的淺層特征進行提??；
所述Simple Modal Image stream分支用于通過所述頻譜圖像樣本集進行訓練，以對所述眼底OCT圖像樣本集中的各頻譜圖像樣本的頻域淺層特征進行提取。
4.根據(jù)權(quán)利要求3所述的基于傅里葉變換的OCT圖像質(zhì)量評估方法，其特征在于，在訓練所述多模態(tài)分類網(wǎng)絡模型的過程中，
所述Deep stream分支還用于根據(jù)所述深層特征對所述眼底OCT圖像樣本進行一次分類，以獲取相應的第一分類結(jié)果；
所述Shallow stream分支還用于根據(jù)所述淺層特征對所述眼底OCT圖像樣本進行二次分類，以獲取相應的第二分類結(jié)果；
所述Simple Modal Image stream分支還用于根據(jù)所述頻域淺層特征對述待頻譜圖像樣本進行三次分類，以獲取相應的第三分類結(jié)果。
5.根據(jù)權(quán)利要求4所述的基于傅里葉變換的OCT圖像質(zhì)量評估方法，其特征在于，在訓練所述多模態(tài)分類網(wǎng)絡模型的過程中，
根據(jù)所述第一分類結(jié)果、所述第二分類結(jié)果以及所述第三分類結(jié)果計算相應的損失函數(shù)；
根據(jù)所述損失函數(shù)計算所述多模態(tài)分類網(wǎng)絡模型的總損失函數(shù)，當所述總損失函數(shù)收斂至最小時，認定所述多模態(tài)分類網(wǎng)絡模型訓練完畢。
6.根據(jù)權(quán)利要求5所述的基于傅里葉變換的OCT圖像質(zhì)量評估方法，其特征在于，
所述損失函數(shù)的計算公式為：
其中，p為標簽的概率值，q為分類結(jié)果輸出的預測概率值，xi代表第i個類別，n代表類別數(shù)；
所述總損失函數(shù)的計算公式為：
Loss總＝0.3×LossD+0.3×LossS+0.4×LossP，其中，
LossD為所述第一分類結(jié)果的損失函數(shù)，LossS為所述第二分類結(jié)果的損失函數(shù)，LossP為所述第三分類結(jié)果的損失函數(shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于平安科技（深圳）有限公司，未經(jīng)平安科技（深圳）有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010618087.4/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
