[發明專利]一種脈絡膜亞層和脈絡膜血管分割網絡模型及其訓練方法

在審

• 申請號: 202210062989.3
• 申請日: 2022-01-19
• 公開（公告）號: CN114399511A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 楊柳;李俊猛;朱瑞琳;顧梟鵬;張雅娣;榮蓓;盧閆曄;朱磊
• 申請（專利權）人: 北京大學第一醫院
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06K9/62;G06V10/774;G06V10/764
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 李靜玉

本發明公開了一種脈絡膜亞層和脈絡膜血管分割網絡模型及其訓練方法，該模型包括：共享編碼器模塊，用于將待分割圖像進行下采樣以及特征提取，得到第一共享特征；共享解碼器模塊，用于獲取第一共享特征進行上采樣，得到第二共享特征；第一解碼器模塊，用于提取第二共享特征中的脈絡膜亞層分割特異性特征；第二解碼器模塊，用于提取第二共享特征中的脈絡膜血管分割特異性特征；分類模塊，用于根據第二共享特征、脈絡膜亞層分割特異性特征和脈絡膜血管分割特異性特征計算得到待分割圖像的分割結果。通過實施本發明，設置上述五個模塊實現了脈絡膜亞層和脈絡膜血管的分割，即通過一個多流的網絡結構實現了多任務的分割。

技術領域

本發明涉及圖像分割技術領域，具體涉及一種脈絡膜亞層和脈絡膜血管分割網絡模型及其訓練方法。

背景技術

脈絡膜位于視網膜和鞏膜之間，是人體最具血管化的結構之一，為視網膜外層提供營養，在人類視覺系統中起著至關重要的作用。在臨床實踐中，光學相干斷層掃描(optical coherence tomography，OCT)可以將脈絡膜的結構從視網膜內部分離出來，這是一種在神經學、眼科、胃腸病和心臟病中廣泛應用的有效方法。為了基于OCT分析眼部疾病，研究人員提出了定量的脈絡膜生物標志物，如脈絡膜厚度(choroidal thickness，CT)、脈絡膜體積(choroidal volume，CV)、脈絡膜血管密度(choroidal vascular density，CVD)、脈絡膜血管指數(choroidal vascularity index，CVI)。雖然這些生物標志物能定量地反映脈絡膜的結構，但是對于脈絡膜層和血管的精確分割則無法達到較好的效果。

在過去的十年中，出現了許多基于OCT B－Scan(B掃描)的脈絡膜結構分割方法。這些方法主要可分為基于圖的方法和基于學習的方法。前者通常將用于視網膜表面檢測的方法擴展到脈絡膜，提出新的準則來構建圖形模型并搜索脈絡膜表面。這種方法過于依賴實驗假設，耗時長，限制了其在臨床上的應用。后者采用深度卷積神經網絡(deepconvolutional neural networks，DCNN)作為邊界特征檢測器或語義分類器，進行脈絡膜層分割。由于DCNN具有很強的泛化能力，這些方法能夠自動提取脈絡膜層的區分特征，在很大程度上提高了分割性能。然而，目前的大多數DCNN只關注脈絡膜層的分割。對于脈絡膜亞層邊界和脈絡膜血管研究較少。

發明內容

有鑒于此，本發明實施例提供了涉及一種脈絡膜亞層和脈絡膜血管分割網絡模型及其訓練方法，以解決現有技術中對于脈絡膜血管分割準確性較差的技術問題。

本發明提出的技術方案如下：

本發明實施例第一方面提供一種脈絡膜亞層和脈絡膜血管分割網絡模型，包括：共享編碼器模塊，用于將待分割圖像進行下采樣以及特征提取，得到脈絡膜亞層分割和脈絡膜血管分割第一共享特征，所述第一共享特征的分辨率低于閾值；共享解碼器模塊，用于獲取所述第一共享特征進行上采樣，得到脈絡膜亞層分割和脈絡膜血管分割的第二共享特征，所述第二共享特征的分辨率高于閾值；第一解碼器模塊，用于提取所述第二共享特征中的脈絡膜亞層分割特異性特征；第二解碼器模塊，用于提取所述第二共享特征中的脈絡膜血管分割特異性特征；分類模塊，用于根據所述第二共享特征、所述脈絡膜亞層分割特異性特征和所述脈絡膜血管分割特異性特征計算得到待分割圖像的分割結果。

可選地，所述共享編碼器模塊包括：預設個數的子編碼模塊，所述共享解碼器包括預設個數的子解碼模塊，所述子編碼模塊與對應空間分辨率相同的子解碼模塊連接。

可選地，所述子編碼模塊包括：卷積層、激活函數層和空間池化層；所述子解碼模塊包括：上采樣層、卷積層和激活函數層。

可選地，第一解碼器模塊和/或所述第二解碼器模塊預設個數的解碼模塊，所述解碼模塊包括：上采樣層、卷積層和激活函數層，所述解碼模塊中的卷積層為單層卷積層。