[發(fā)明專利]一種適用于視網(wǎng)膜光學(xué)相干斷層掃描圖像中高反射亮斑分割的自適應(yīng)網(wǎng)絡(luò)

在審

• 申請?zhí)枺?/td>: 202011160346.X
• 申請日: 2020-10-27
• 公開（公告）號: CN112308829A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設(shè)計）人: 陳新建;姚辰璞
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 蘇州隆恒知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32366
• 代理人: 金京

本申請實施例公開一種適用于視網(wǎng)膜光學(xué)相干斷層掃描圖像中高反射亮斑分割的自適應(yīng)網(wǎng)絡(luò)，包括特征編碼模塊、自適應(yīng)SA模塊、特征解碼模塊；特征編碼模塊包括特征提取單元、雙重殘差DR模塊，雙重殘差DR模塊包括兩個殘差塊；自適應(yīng)SA模塊包括特征輸入端、可變形卷積層、矩陣乘法、像素級求和；特征解碼模塊重構(gòu)自適應(yīng)SA模塊產(chǎn)生的高層特征，并通過2×2反卷積層反卷積逐漸與雙重殘差DR模塊引導(dǎo)的局部信息進行特征拼接，通過一個1×1卷積層卷積得到的結(jié)果作為特征解碼模塊的輸出。本申請可以在增強特征提取的同時簡化整體網(wǎng)絡(luò)的學(xué)習(xí)過程并增強梯度傳播，并能夠適應(yīng)不同尺寸的分割目標(biāo)。

技術(shù)領(lǐng)域

本申請涉及視網(wǎng)膜OCT圖像分割技術(shù)領(lǐng)域，具體是一種適用于視網(wǎng)膜光學(xué)相干斷層掃描圖像中高反射亮斑分割的自適應(yīng)網(wǎng)絡(luò)。

背景技術(shù)

硬性滲出是糖尿病視網(wǎng)膜病變的一種顯著的眼底改變，在光學(xué)相干斷層掃描成像時表現(xiàn)為高反射亮斑。近年來，在視網(wǎng)膜眼底彩照上對于硬性滲出進行檢測的研究有很多，例如基于支持向量機的硬性滲出檢測方法、基于k近鄰圖區(qū)域合并的自動檢測方法、基于閾值法的檢測方法等。類似的研究還有在偏振敏感型光學(xué)相干斷層圖像(Polarization-Sensitive Optical Coherence Tomography，PS-OCT)中分割出亮斑。但是基于深度學(xué)習(xí)的分割方法卻不多見。目前，很多基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的深度學(xué)習(xí)方法如U-Net被廣泛應(yīng)用于醫(yī)學(xué)圖像分割。U-Net由于采用了編解碼器結(jié)構(gòu)以及跳躍連接，大大提高了醫(yī)學(xué)圖像分割的性能。由于高反射亮斑在視網(wǎng)膜OCT圖像中目標(biāo)比較小，且存在著形狀不規(guī)則、邊界模糊、尺寸不均勻等問題，分割任務(wù)存在著很大的挑戰(zhàn)，需要分割網(wǎng)絡(luò)同時提取和利用全局特征和局部特征，實現(xiàn)局部信息的動態(tài)融合以及網(wǎng)絡(luò)特征提取感受野對目標(biāo)尺寸的自適應(yīng)。而原始U-Net的編碼器-解碼器結(jié)構(gòu)不能實現(xiàn)全局特征的有效提取和利用，且不能自適應(yīng)各種形狀和大小的分割對象，以及對小目標(biāo)分割性能較差的問題。

發(fā)明內(nèi)容

本申請旨在解決上述技術(shù)問題，提供一種適用于視網(wǎng)膜光學(xué)相干斷層掃描圖像中高反射亮斑分割的自適應(yīng)網(wǎng)絡(luò)，可以在增強特征提取的同時簡化整體網(wǎng)絡(luò)的學(xué)習(xí)過程并增強梯度傳播，并能夠適應(yīng)不同尺寸的分割目標(biāo)。

為實現(xiàn)上述目的，本申請公開了一種適用于視網(wǎng)膜光學(xué)相干斷層掃描圖像中高反射亮斑分割的自適應(yīng)網(wǎng)絡(luò)，包括特征編碼模塊、應(yīng)用于所述編碼器模塊深層的自適應(yīng)SA模塊、設(shè)置于解碼器通道中的多個特征解碼模塊；

所述特征編碼模塊包括特征提取單元、嵌入于所述特征提取單元下采樣位置的雙重殘差DR模塊，所述雙重殘差DR模塊包括兩個殘差塊，所述殘差塊包括依次設(shè)置的1×1卷積層、3×3卷積層、1×1卷積層、批量歸一化處理層、ReLU激活函數(shù)；

所述自適應(yīng)SA模塊包括特征輸入端、可變形卷積層、矩陣乘法、像素級求和，所述特征輸入端與所述特征編碼模塊相連，所述可變形卷積層包括設(shè)置于常規(guī)網(wǎng)格采樣位置上的2D偏移量，用于使采樣網(wǎng)格自由變形；

所述特征解碼模塊重構(gòu)所述自適應(yīng)SA模塊產(chǎn)生的高層特征，并通過2×2反卷積層反卷積逐漸與所述雙重殘差DR模塊引導(dǎo)的局部信息進行特征拼接，通過一個1×1卷積層卷積得到的結(jié)果作為所述特征解碼模塊的輸出。

作為優(yōu)選，所述特征提取單元為U-Net編碼器層，所述特征提取單元的第四層的輸出與所述特征輸入端相連。

作為優(yōu)選，所述自適應(yīng)SA模塊包括三個并行的所述可變形卷積層，所述特征輸入端接收所述特征編碼模塊輸出的特征圖，該特征圖通過其中兩個所述可變形卷積層生成一個空間注意力圖來描述特征的任意兩個像素之間的空間關(guān)系，再與第三個所述可變形卷積層的輸出進行所述矩陣乘法，得到的結(jié)果與所述自適應(yīng)SA模塊輸入的特征圖進行所述像素級求和，并將所述像素級求和的結(jié)果作為所述自適應(yīng)SA模塊的輸出，用于像素級預(yù)測。