[發明專利]一種用于計算機輔助診斷的宮頸OCT圖像特征可視化方法

有效

• 申請號: 202110268171.2
• 申請日: 2021-03-12
• 公開（公告）號: CN113066054B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 馬于濤;余沁怡
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/44;G06V10/50;G06V10/764;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種用于計算機輔助診斷的宮頸組織OCT圖像特征可視化方法，其特征在于，所包括如下步驟：

1)采集女性宮頸組織OCT圖像作為訓練樣本

宮頸OCT圖像是通過光學相干斷層掃描技術或光學相干層析成像技術掃描，得到的宮頸組織二維或三維結構圖像；

2)利用訓練樣本對圖像分類模型進行訓練，確定訓練后的網絡參數，包括如下子步驟：

21)構建圖像分類模型，隨機初始化網絡參數

圖像分類模型是以卷積神經網絡為模型骨干的深度學習網絡，包括卷積層、池化層、全連接層、回歸分類層；參數為卷積層卷積核數據以及隱藏層與輸出層對應的權重和偏差向量；

22)反復迭代訓練網絡，更新圖像分類模型參數直至所有權重w和偏差向量b波動區間小于閾值ε；

3)根據輸入的宮頸組織OCT圖創建特征可視化熱度圖，包括如下子步驟：

31)提取訓練后模型在回歸分類層前的得分y^c，其中c為圖像分類模型決策的宮頸組織的類別；

32)提取需要被可視化的卷積層特征映射參數矩陣A^k，k為卷積層輸出的特征圖數；

33)計算每個特征映射得分梯度

34)對A^k進行參數增強操作，包括歸一化、閾值剔除、二值化降噪后進行雙向梯度卷積，得到特征映射矩陣A’^k；

所述步驟34)中，具體過程如下：

341)對輸入宮頸OCT圖像通過某卷積層得到的k張特征圖，并進行歸一化和閾值剔除

對每張特征圖進行數據歸一化至[m,n]區間，根據設定的閾值z，對特征圖區間內小于閾值的數據進行置0剔除；

342)對歸一化后的特征圖組進行二值化降噪

基于從341)新獲得的特征圖數據分布區間[p,q]，對每個特征值進行靠近p或q的偏移計算，重分布降噪；

343)雙向梯度卷積提取邊緣特征

根據342)新獲得的特征映射圖，對k張特征圖進行x，y方向上的梯度卷積，卷積核G_x，G_y分別為3*3大小的水平、垂直梯度因子，結合以上兩個卷積結果求梯度提取出每張特征圖的邊緣特征，即特征映射矩陣A’^k；

35)將33)和34)對應的結果相乘后歸一化，通過ReLU函數后將所有結果累加后歸一化，作為宮頸組織特征參數值；

36)通過熱度圖的方式將35)所得宮頸組織特征參數值用顏色可視化顯示。

2.根據權利要求1中所述一種用于計算機輔助診斷的宮頸組織OCT圖像特征可視化方法：步驟2)中的圖像分類模型為卷積神經網絡分類模型。

3.根據權利要求1中所述一種用于計算機輔助診斷的宮頸組織OCT圖像特征可視化方法：341)中閾值的取值由特征圖數據的直方分布決定。

4.根據權利要求1中所述一種用于計算機輔助診斷的宮頸組織OCT圖像特征可視化方法：342)中偏移的比例由特征圖數據的直方分布決定。

5.根據權利要求1中所述一種用于計算機輔助診斷的宮頸組織OCT圖像特征可視化方法：343)中卷積核G_x，G_y分別為，

6.根據權利要求1中所述一種用于計算機輔助診斷的宮頸組織OCT圖像特征可視化方法：所述步驟35)中，具體過程如下：

351)將每個特征映射的得分梯度與數據處理后的特征映射矩陣A’^k相乘

將每類的得分梯度乘以經34)處理后的特征映射矩陣A’^k，獲得每個特征映射矩陣對于不同類別的貢獻程度的加權邊緣特征圖；

352)通過ReLU函數對所有加權邊緣特征圖進行求和

將邊緣特征圖組輸入ReLU函數后求和，得到完整的邊緣特征映射矩陣其中c為圖像分類模型判斷出的宮頸組織類別，之后歸一化，用于熱度圖可視化。