[發(fā)明專利]一種基于卷積神經網絡的脈絡膜血管指數預測方法和裝置

有效

• 申請?zhí)枺?/td>: 202211023974.2
• 申請日: 2022-08-24
• 公開（公告）號: CN115456962B
• 公開（公告）日: 2023-09-29
• 發(fā)明（設計）人: 梁小玲;林浩添;郭翀;于姍姍;徐正杰;伍本娟
• 申請（專利權）人: 中山大學中山眼科中心
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06N3/0464;G06N3/08;A61B3/10
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 何卿華

本發(fā)明公開了一種基于卷積神經網絡的脈絡膜血管指數預測方法和裝置。該方法包括步驟：獲取待識別的光學相干斷層掃描圖像，將所述待識別的光學相干斷層掃描圖像輸入至基于卷積神經網絡的脈絡膜血管指數預測模型，輸出所述預測待識別的光學相干斷層掃描圖像對應的脈絡膜面積、管腔面積和脈絡膜血管指數(CVI)。本發(fā)明提高了對脈絡膜面積、管腔面積和CVI值的識別準確度。

技術領域

本發(fā)明涉及脈絡膜血管指數預測技術領域，尤其涉及一種基于卷積神經網絡的脈絡膜血管指數預測方法和裝置。

背景技術

脈絡膜血管指數(Choroidal?Vascular?Index，CVI)定義為脈絡膜管腔面積與脈絡膜總面積之比，可在增強深度成像OCT(EDI-OCT)脈絡膜脈管系統(tǒng)圖像中進行測量。目前主要有人工測量與計算機算法兩種方式。人工測量：通過Image?J軟件，手動勾選脈絡膜區(qū)域后二值化處理，計算脈絡膜管腔面積像素值與脈絡膜總面積像素值之比得出脈絡膜血管指數。計算機算法測量：圖像預處理(增強對比-直方圖均衡算法；降噪-濾波器；)；脈絡膜分割(內置軟件識別bruch膜；形態(tài)學重建(choroidal-scleral?interface)CSI)；血管結構識別(分水嶺算法；平滑血管邊界-形態(tài)閉運算)。目前許多研究基于深度學習方法對脈絡膜及脈絡膜血管區(qū)域進行自動識別，尚無利用深度學習算法對脈絡膜及脈絡膜血管區(qū)域進行定量測量(即面積測量)的研究。

現有技術存在以下問題：(1)人工測量：軟件操作步驟繁瑣，平均每張圖片測量耗時長；對操作人員專業(yè)要求較高，需要技術人員掌握相關的眼科臨床醫(yī)學知識，要求對脈絡膜區(qū)域的勾選時最大限度貼近真實解剖狀態(tài)。總體而言，人工測量需要消耗很高人力和時間。此種測量方法僅僅適用于樣本量較小的臨床研究，不適用樣本量較大的研究如眼科流行病學調查等。(2)計算機算法：需要人工進行脈絡膜區(qū)域勾選的微調，不屬于完全意義上的自動測量。且此種測量方法受限于算法模型，對圖片質量要求高。目前尚無基于深度學習自動計算脈絡膜血管指數的方法。由于分析大量圖像耗時更長，迫切需要可靠和準確的方法來自動識別并量化EDI-OCT中的脈絡膜脈管系統(tǒng)。

發(fā)明內容

本發(fā)明提供一種基于卷積神經網絡的脈絡膜血管指數預測方法和裝置，提高了對脈絡膜面積、管腔面積和CVI值的識別準確度。

本發(fā)明一實施例提供一種基于卷積神經網絡的脈絡膜血管指數預測方法，包括以下步驟：

獲取待識別的光學相干斷層掃描圖像，將所述待識別的光學相干斷層掃描圖像輸入至基于卷積神經網絡的脈絡膜血管指數預測模型，輸出所述預測待識別的光學相干斷層掃描圖像對應的脈絡膜面積、脈絡膜管腔面積和CVI值。

進一步的，所述基于卷積神經網絡的脈絡膜血管指數預測模型包括1個輸入層、1個Stem模塊、5個Inception-resnet-A模塊、1個Reduction-A模塊、10個Inception-resnet-B模塊、1個Reduction-B模塊、5個Inception-resnet-C模塊、1個平均池化層模塊、1個dropout模塊和1個Linear輸出層。

進一步的，當圖像數據輸入至所述Stem模塊時，依次經過輸入層、三個卷積層、最大池化層、兩個卷積層、最大池化層和四個不同的卷積分支。

進一步的，所述Inception-resnet-A模塊包括第一分支、第二分支、第三分支和第四分支；

所述第一分支用于直接輸出處理；

所述第二分支用于進行一次1x1的32通道的卷積處理；

所述第三分支用于進行一次1x1的32通道的卷積處理和一次3x3的32通道的卷積處理；

所述第四分支用于進行一次1x1的32通道的卷積處理、一次3x3的48通道的卷積處理和一次3x3的64通道卷積處理；