[發明專利]基于雙模態光學掃描的視盤新生血管自動檢測方法及系統

在審

• 申請號: 202210116526.0
• 申請日: 2022-02-07
• 公開（公告）號: CN115294011A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 王相寧;錢波;盛斌;吳強
• 申請（專利權）人: 上海市第六人民醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06V10/25;G06V10/44
• 代理公司: 上海申新律師事務所 31272
• 代理人: 吳軼淳

1.基于雙模態光學掃描的視盤新生血管自動檢測方法，其特征在于，包括以下步驟；

步驟S1，以單只眼睛的視盤為中心進行掃描并輸出包含所述視盤邊界的N張連續的雙模態光學掃描圖像，所述雙模態光學掃描圖像包括頻域光學相干斷層掃描圖像和光學相干斷層掃描血管造影圖像，依據N張所述頻域光學相干斷層掃描圖像建立包含視盤邊界標注的數據集，N為大于1的自然數；

步驟S2，使用卷積網絡對所述數據集進行訓練、驗證以及測試，獲得視盤邊界檢測結果；

步驟S3，依據所述視盤邊界檢測結果于每一所述頻域光學相干斷層掃描圖像和所述光學相干斷層掃描血管造影圖像上篩選出視盤新生血管候選區域；

步驟S4，于每一所述視盤新生血管候選區域篩選出視盤新生血管區域；

步驟S5，依據所有所述視盤新生血管區域計算所述單只眼睛的視盤新生血管的體積。

2.根據權利要求1所述的視盤新生血管自動檢測方法，其特征在于，步驟S2包括：

步驟S21，所述卷積網絡的特征提取模塊利用多個級聯的下采樣模塊提取所述頻域光學相干斷層掃描圖像的視盤邊界特征；

步驟S22，所述卷積網絡的注意力模塊對所述視盤邊界特征進行細化處理；

步驟S23，所述卷積網絡的特征融合模塊融合不同尺度的所述視盤邊界特征，并將所述視盤邊界特征的特征圖還原至原圖大小后輸出視盤邊界分割結果；

步驟S24，對所述視盤邊界分割結果進行細化處理，獲得初始的視盤邊界檢測結果；

步驟S25，使用圖搜索算法對所述視盤邊界進行優化處理，獲得所述視盤邊界檢測結果。

3.根據權利要求2所述的視盤新生血管自動檢測方法，其特征在于，步驟S25具體包括：

步驟S251，依據所述初始的視盤邊界檢測結果，確定所述視盤邊界的起點以及終點；

步驟S252，分別設定所述頻域光學相干斷層掃描圖像上的視盤邊界點像素值以及背景像素值，并將設定后的所述頻域光學相干斷層掃描圖像作為掩碼圖像；

步驟S253，使用所述圖搜索算法尋找所述掩碼圖像上所述起點到所述終點的最短路徑。

4.根據權利要求3所述的視盤新生血管自動檢測方法，其特征在于，步驟S3包括：

步驟S30，對所述頻域光學相干斷層掃描圖像進行濾波去噪；

步驟S31，依據所述視盤邊界檢測結果，確定所述視盤邊界以上部分為感興趣區域，并去除所述視盤邊界以下部分；

步驟S32，設定一閾值對所述感興趣區域進行閾值分割，篩選出大于所述閾值的連通區域；

步驟S33，使用所述感興趣區域的面積約束和所述感興趣區域內所有像素的平均灰度值約束對所述感興趣區域進行篩選，得到所述視盤新生血管候選區域。

5.根據權利要求4所述的視盤新生血管自動檢測方法，其特征在于，步驟S33具體包括：

步驟S331，計算每一所述連通區域的像素面積，去除所述像素面積低于所述面積約束的所述連通區域；

步驟S332，計算每一所述連通區域的平均灰度值，去除所述平均灰度值低于所述平均灰度值約束的所述連通區域；

步驟S333，選擇剩余的所述連通區域作為所述視盤新生血管候選區域。

6.根據權利要求5所述的視盤新生血管自動檢測方法，其特征在于，步驟S4包括：

步驟S41，依據所述視盤新生血管候選區域，在所述光學相干斷層掃描血管造影圖像的相同位置確定與所述視盤新生血管候選區域形狀大小相同的血管篩選區域；

步驟S42，判斷每一所述血管篩選區域是否存在血流信號，如果是，確定所述血管篩選區域為所述視盤新生血管區域；否則，去除所述血管篩選區域。