[發明專利]一種眼底視網膜OCTA圖像融合方法及系統

在審

• 申請號: 202210072782.4
• 申請日: 2022-01-21
• 公開（公告）號: CN114418915A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 張泓凱
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06N3/04;G06N3/08
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

本發明公開了一種眼底視網膜OCTA圖像融合方法及系統，包括以下步驟：采集眼底視網膜OCTA圖像數據，對同一只眼睛同一區域采集10組數據，然后對圖像進行預處理，利用預處理后的圖像數據，構建深度學習的訓練數據集；搭建深度卷積神經網絡模型，對深度卷積神經網絡模型進行訓練；構建混合損失函數，通過所述混合損失函數對OCTA圖像的小血管進行提取，利用混合損失函數計算小血管圖像的多尺度結構相似性和平均絕對誤差L1來訓練深度卷積神經網絡，獲得網絡模型參數；利用訓練后的深度卷積神經網絡模型對測試集圖像進行預測，網絡輸出即為融合后的高質量圖像。本發明通過深度卷積網絡來對圖像進行融合，圖像處理質量好。

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種眼底視網膜OCTA圖像融合方法及系統。

背景技術

光學相干斷層成像血管造影(OCTA)是一種無創成像方法，無需靜脈注射染料，通過檢測視網膜內血流的運動對比，對視網膜微血管三維成像。OCTA比熒光素血管造影(FA)具有更高的對比度和更好的分辨率顯示視網膜微血管。OCTA圖像的高對比度和高分辨率使得定量評價視網膜微血管，包括血管密度和無灌注區域，比FA圖像更有效。在OCTA成像中由于眼動和血管內紅細胞多次散射等原因，會產生偽影信號，給臨床診斷帶來很大不確定性。OCTA偽影(即眼動偽影)容易降低OCTA圖像質量，即使在正常人群中也無法準確解釋和定量分析OCTA圖像。因此，提高OCTA圖像質量的方法非常重要。

隨著信息技術的發展，數字圖像被廣泛適用于各種場景中。圖像融合是復雜探測系統的關鍵問題之一，圖像融合可以將同一場景的多張圖像所包含的信息整合成一張信息更全面的復合圖像。當前采用的主要圖像融合方法是基于多尺度分解的方法，需要依據先驗知識選擇適合的多尺度分解方法和融合策略，不利于工程化的應用。

為了解決上述問題，亟待設計通過計算機通過深度卷積網絡來對圖像進行融合的方案。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供一種眼底視網膜OCTA圖像融合方法及系統，以解決現有技術的不足。

為實現上述目的，本發明提供了一種眼底視網膜OCTA圖像融合方法，其特征在于，包括以下步驟：

步驟1，采集眼底視網膜OCTA圖像數據，對同一只眼睛同一區域采集10組數據，然后對圖像進行預處理，包括：圖像直方圖匹配、運動偽影的檢測以及樣條分離、樣條圖像配準、樣條圖像拼接融合；利用預處理后的圖像數據，構建深度學習的訓練數據集；

步驟2，搭建深度卷積神經網絡模型，對深度卷積神經網絡模型進行訓練，將輸入的單張低質量圖像輸出為高質量融合圖像；

步驟3，構建混合損失函數，通過所述混合損失函數對OCTA圖像的小血管進行提取，利用混合損失函數計算小血管圖像的多尺度結構相似性和平均絕對誤差L1來訓練深度卷積神經網絡，獲得網絡模型參數；

步驟4，利用訓練后的深度卷積神經網絡模型對測試集圖像進行預測，網絡輸出即為融合后的高質量圖像。

進一步的，所述步驟1中運動偽影的檢測以及樣條分離的具體步驟如下：首先計算圖像中每一列的像素的平均值以及全圖所有像素的平均值，其中均值大于1.5倍得到全圖像素平均值的列被認為是運動偽影，根據檢測出的運動偽影的位置，將對應得到圖像分成多個沒有運動偽影的樣條圖像。

進一步的，所述步驟1中樣條圖像配準的具體步驟如下：獲得10張圖像的樣條圖像后，通過基于相位相關的配準算法對大血管進行粗配準，再通過基于非剛性配準算法對小血管進行細配準。

進一步的，所述步驟1中樣條圖像拼接融合的具體步驟如下：將配準后的樣條圖像按照重疊區域大小來進行融合，采用的融合算法是小波融合算法。

進一步的，所述步驟1中構建深度學習的訓練數據集的具體步驟如下：將預處理后多張融合的圖像作為訓練的標簽圖像，該數據集中包含成對的單張圖像和標簽圖像。