晶状体分割难度分类方法及装置制造方法及图纸

本发明专利技术涉及图像分析技术领域，具体涉及一种晶状体分割方法及装置。包括：采集样本数据并对各样本数据标注参考分割线；将各样本数据输入自动分割网络以获取各样本数据的自动分割结果；计算各样本数据的自动分割结构的分割综合误差；根据各样本数据的自动分割结果的分割综合误差确定该样本数据的分割难度等级；基于各样本数据及其分割难度等级建立分割难度判断网络；将原始图像输入到所述分割难度判断网络中以获取该原始图像的分割难度等级。上述技术方案建立的分割难度判断网络，能够自动的根据分割误差确定分割难易等级，解决认为定级所产生的主观性和前后不一致性的问题。

Classification method and device of difficulty in lens segmentation

【技术实现步骤摘要】
晶状体分割难度分类方法及装置
本专利技术涉及图像分析
，具体涉及一种晶状体分割方法及装置。
技术介绍
前段光学相干断层扫描(Anteriorsegmentopticalcoherencetomography,AS-OCT)是一种用于活体组织成像的技术，具有迅速、非接触、无创的特点。在检测眼科疾病的应用中，晶状体密度是衡量白内障等疾病严重程度的重要指标，晶状体结构分割是晶状体密度计算的重要依据和前提。晶状体密度是衡量白内障等疾病严重程度的重要指标，晶状体结构分割是晶状体密度计算的重要依据和前提。图1为晶状体结构示意图，晶状体是多层结构，具体分为：晶状体囊、皮质层和晶状体核。目前，国际上采用晶状体混浊分类系统（LensOpacitiesClassificationSystemIII，LOCSIII）分类标准对活体白内障进行分类，以判定晶状体混浊的范围和程度。该方法的缺点主要在于：分类需人为干预，且结构分级结果严重依赖于医生经验，分级质量差异显著。申请公布号CN110176007A，申请公布日2019年8月27日的专利技术专利申请公开的晶状体分割方法，通过预设神经网络模型及形状模板可实现对晶状体结构的自动分割，从而在降低人工成本的同时，提高晶状体结构分割的准确度。受患者晶状体病变及拍摄设备影响，AS-OCT图像存在晶状体结构模糊、缺失、以及人工晶体等现象，此类图像无法通过算法实现结构分割。同时，对于晶状体结构相对完整、可进行结构分割的图像，无法评价分割算法对图像分割结果的可信度。
技术实现思路
<br>本专利技术为解决上述技术问题，提供了一种晶状体分割难度分类方法，其特征在于，包括：采集样本数据并对各样本数据标注参考分割线；将各样本数据输入自动分割网络以获取各样本数据的自动分割结果；根据各样本数据的所述标注参考分割线计算各样本数据的自动分割结果的分割综合误差；根据各样本数据的自动分割结果的分割综合误差确定该样本数据的分割难度等级；基于各样本数据及其分割难度等级建立分割难度判断网络；将原始图像输入到所述分割难度判断网络中以获取该原始图像的分割难度等级。上述技术方案建立的分割难度判断网络，能够自动的根据分割误差确定分割难易等级，解决认为定级所产生的主观性和前后不一致性的问题。进一步地，所述分割参考线包括晶状体上边界参考线、晶状体下边界参考线、皮质层上边界参考线、皮质层下边界参考线、晶状体核上边界参考线、晶状体核下边界参考线；所述样本数据的自动分割结果包括对应于其晶状体上边界参考线的晶状体上边界分割线、对应于其晶状体下边界参考线的晶状体下边界分割线、对应于其皮质层上边界参考线的皮质层上边界分割线、对应于其皮质层下边界参考线的皮质层下边界分割线、对应于其晶状体核上边界参考线的晶状体核上边界分割线、对应于其晶状体核下边界参考线的晶状体核下边界分割线；样本数据的所述分割综合误差，基于样本数据自动分割结果中的一条或者多条分割线的单项误差确定。晶状体自动分割结果中不同结构的分割误差不同，可以仅根据误差较大的结构来确定分割难度。进一步地，样本数据的所述分割综合误差，基于样本数据的晶状体下边界分割线、皮质层下边界分割线、晶状体核上边界分割线和晶状体核下边界分割线的单项误差确定。进一步地，样本数据的所述分割综合误差计算公式为：；为样本数据i的晶状体下边界分割线的单项误差，为所有样本数据的晶状体下边界分割线的单项误差的均值，为晶状体下边界分割线单项误差的权重值；为样本数据i的皮质层下边界分割线的单项误差，为所有样本数据的皮质层下边界分割线的单项误差的均值，为皮质层下边界分割线单项误差的权重值；为样本数据i的晶状体核下边界分割线的单项误差，为所有样本数据的晶状体核下边界分割线的单项误差的均值，为晶状体核下边界分割线单项误差的权重值；为样本数据i的晶状体核上边界分割线的单项误差，为所有样本数据的晶状体核上边界分割线的单项误差的均值，为晶状体核上边界分割线单项误差的权重值。进一步地：所述晶状体核下边界分割线单向误差的权重大于所述晶状体核上边界分割线单向误差的权重，所述晶状体核上边界分割线单向误差的权重大于所述皮质层下边界分割线单向误差的权重，所述皮质层下边界分割线单向误差的权重大于所述晶状体下边界分割线单向误差的权重。进一步地，样本数据自动分割结果中分割线的相单项误差计算公式为：，为分割线上的第i个边界点与该分割线对应的参考分割线l的最短距离，n为分割线上的边界点数量。进一步地，所述分割难度判断网络基于所述自动分割网络建立。可以有效把自动分割与分割难易等级分类紧密结合起来，避免重复提取特征。进一步地，所述自动分割网络为U形分割网络。进一步地，所述分割难度判断网络为基于所述自动分割网络建立的并行分支网络。在分割网络的基础上添加分类分支，可以有效利用自动分割网络提取到的有效特征进行分类，使分类与分割实现端到端地协同学习。本专利技术还提供一种晶状体分割难度分类装置，包括计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机可读指令，当处理器读取并执行所述计算机可读指令时，使得所述处理器实现权利要求1-9中任一项所述的自动分割网络和分割难度判断网络。本专利技术具有下述有益效果：（1）本方法的分割难易等级定义客观可靠。直接根据分割误差定义分割难易等级，解决了人为定级所产生的主观性和前后不一致性的问题。（2）本方法可以有效把自动分割与分割难易等级分类紧密结合起来。在分割网络的基础上添加分类分支，可以有效利用分割提取到的有效特征进行分类，使分类与分割实现端到端地协同学习。（3）本方法泛化性强，适合于其他图像分割难易等级定义问题，能够迁移到其他类似任务上。附图说明图1为晶状体结构示意图。图2为分割线单项误差计算示意图。图3为晶状体自动分割结果中各分割线示意图。图4为自动分割网络和分割难度分类网络示意图。具体实施方式这里使用的术语仅用于描述特定实施例的目的，而不意图限制本专利技术。除非另外定义，否则本文使用的所有术语具有与本专利技术所属领域的普通技术人员通常理解的相同的含义。将进一步理解的是，常用术语应该被解释为具有与其在相关领域和本公开内容中的含义一致的含义。本公开将被认为是本专利技术的示例，并且不旨在将本专利技术限制到特定实施例。实施例一一种晶状体分割难度分类方法，包括：步骤S1，采集样本数据并对各样本数据标注参考分割线。步骤S2，将各样本数据输入自动分割网络以获取各样本数据的自动分割结果。步骤S3，计算各样本数据的自动分割结构的分割综合误差。步骤S4，根据各样本数据的自动分割结果的分割综合误差确定该样本数据的分割难度等级。步骤S5，基于各样本数据及其分割难度等级建立分割难度判断网络。步骤S6，将原始图像输入到所述分割难度判断网络中以获取该原始图像的分割难度等级。样本数据即AS-OC本文档来自技高网...

【技术保护点】
1.一种晶状体分割难度分类方法，其特征在于，包括：/n采集样本数据并对各样本数据标注参考分割线；/n将各样本数据输入自动分割网络以获取各样本数据的自动分割结果；/n根据各样本数据的所述标注参考分割线计算各样本数据的自动分割结果的分割综合误差；/n根据各样本数据的自动分割结果的分割综合误差确定该样本数据的分割难度等级；/n基于各样本数据及其分割难度等级建立分割难度判断网络；/n将原始图像输入到所述分割难度判断网络中以获取该原始图像的分割难度等级。/n

【技术特征摘要】
1.一种晶状体分割难度分类方法，其特征在于，包括：
采集样本数据并对各样本数据标注参考分割线；
将各样本数据输入自动分割网络以获取各样本数据的自动分割结果；
根据各样本数据的所述标注参考分割线计算各样本数据的自动分割结果的分割综合误差；
根据各样本数据的自动分割结果的分割综合误差确定该样本数据的分割难度等级；
基于各样本数据及其分割难度等级建立分割难度判断网络；
将原始图像输入到所述分割难度判断网络中以获取该原始图像的分割难度等级。


2.根据权利要求1所述的一种晶状体分割难度分类方法，其特征在于：
所述分割参考线包括晶状体上边界参考线、晶状体下边界参考线、皮质层上边界参考线、皮质层下边界参考线、晶状体核上边界参考线、晶状体核下边界参考线；
所述样本数据的自动分割结果包括对应于其晶状体上边界参考线的晶状体上边界分割线、对应于其晶状体下边界参考线的晶状体下边界分割线、对应于其皮质层上边界参考线的皮质层上边界分割线、对应于其皮质层下边界参考线的皮质层下边界分割线、对应于其晶状体核上边界参考线的晶状体核上边界分割线、对应于其晶状体核下边界参考线的晶状体核下边界分割线；
样本数据的所述分割综合误差，基于样本数据自动分割结果中的一条或者多条分割线的单项误差确定。


3.根据权利要求2所述的一种晶状体分割难度分类方法，其特征在于：
样本数据的所述分割综合误差，基于样本数据的晶状体下边界分割线、皮质层下边界分割线、晶状体核上边界分割线和晶状体核下边界分割线的单项误差确定。


4.根据权利要求3所述的一种晶状体分割难度分类方法，其特征在于，样本数据的所述分割综合误差计算公式为：

；

为样本数据i的晶状体下边界分割线的单项误差，为所有样本
数据的晶状体下边界分割线的单项误差的均值，为晶状体下边界分割线单项误差的权
重值；

为样本数据i的皮质层下边界分割线的单...

【专利技术属性】
技术研发人员：曹桂平，刘江，
申请(专利权)人：中国科学院宁波工业技术研究院慈溪生物医学工程研究所，广州视源电子科技股份有限公司，
类型：发明
国别省市：浙江;33