一种适用于OCTA图像的动静脉自动化分割方法技术

本发明专利技术公开了一种适用于OCTA图像的动静脉自动化分割方法。首先使用全卷积神经网络模块生成初始分割，然后使用级联图注意力网络模块提高初始分割的连通性，从而获得OCTA图像中动静脉的快速精准分割结果，具有稳定性好、速度快的优点。本发明专利技术可以对多种OCTA图像的动静脉血管实现精确分析，为OCTA图像在眼科疾病诊断中的应用提供了适用性强、计算稳定、精确度高的动静脉辅助分析方法。

【技术实现步骤摘要】
一种适用于OCTA图像的动静脉自动化分割方法
本专利技术属于眼科计算机辅助诊断领域，具体涉及适用于OCTA设备的全自动OCTA图像动静脉血管分割方法。
技术介绍
视网膜血管是人体唯一可以通过光学方式非侵入的观察到的微血管。近年来，研究人员发现不同疾病对视网膜血管的影响是不同的。如糖尿病视网膜病变和早产儿视网膜病变会导致视网膜动脉弯曲度增加、静脉串珠状、动脉狭窄、静脉扩张，因而通过对动静脉的分类以及定量分析可以用于辅助疾病诊断和治疗效果评估。例如，根据动静脉的口径比和曲率比可以判断出糖尿病视网膜病变的严重程度。常见的视网膜图像包括彩色眼底图像、荧光素血管造影图像FA、OCT(光学相干断层扫描成像)和OCTA图像。彩色眼底图像具有明显的分类动静脉的颜色、亮度特征，因此，目前大多数眼底血管动静脉分类研究是在彩色眼底图像上进行的。但临床实践中，由于分辨率和对比度的限制，彩色眼底图像只适用于眼底主要血管分支的分类，而不能对视网膜动静脉等更小管径的血管进行分类，并且许多系统性疾病都与微血管异常相关，此时由于病变造成的图像模糊会使得血管分类更加难以进行。另外，由于FA采用侵入方式成像，而OCT是横断面扫描，因此，这两种图像都不适合用于进行视网膜血管的动静脉分类。OCTA图像是一种临床视网膜影像，通过利用流动血液的运动信号作为内在对比，可以非侵入的实现视网膜血管高分辨率、血管正面可视的三维视网膜成像。OCTA图像不易受到媒质浑浊和病变影响，能够在毛细血管水平上提供对视网膜微血管网络的高分辨率观察。目前，已经有许多研究利用OCTA图像分析血管管径、血管弯曲程度、血管密度，从而实现对老年黄斑变性、青光眼、镰状红细胞视网膜病变的定量分析。由于OCTA图像的成像原理，其缺乏彩色眼底图像上用于区分动静脉类别的颜色、对比度等特征信息，导致仅依靠OCTA图像进行动静脉分类较为困难，难点包括缺乏能够实现动静脉的快速、稳定图像分割的模型和算法。目前在临床上多使用彩色眼底图像来指导OCTA图像上的动静脉分类。例如，Alam等人首先在彩色眼底图像上进行动静脉分类，然后再利用复杂的图像配准和血管追踪算法在OCTA图像上进行动静脉分类。这类方法会受到彩色眼底图像分类血管的尺度约束，同时，在临床上应用时需要两种不同的成像仪器，即眼底照相机和OCTA设备，导致血管分类流程复杂、耗时耗力，无法满足临床中对辅助诊断方法简便性、快速性和高鲁棒性的需求。Ishibazawa等人的两项研究表明，通过观察OCTA图像上的细微特征，例如，动脉周边存在无毛细血管区域，以及特定分布规律，例如动静脉交替分布、动脉之间不交叉、静脉不交叉等，可以实现OCTA的动静脉分类。尽管以上研究表明仅使用OCTA图像对动静脉进行分割在理论上是可行的。但是，在实际应用中需要医生经过培训后依靠肉眼进行分类，耗时耗力，分类效率较低。因此，目前亟需一种适用于OCTA图像的动静脉自动化分割方法以辅助医生进行诊断。
技术实现思路
本专利技术的目的在于提供一种适用于OCTA图像的动静脉自动化分割方法，实现了OCTA图像中视网膜血管的动静脉快速、精准分割。为了达到上述目的，本专利技术采用了以下技术方案：一种OCTA图像动静脉自动化分割系统，该自动化分割系统包括全卷积模型分割模块和图卷积模型分割模块；所述全卷积模型分割模块是通过对全卷积神经网络(FCN)进行训练而得到，该模块用于根据输入的受试者一组不同深度模态的OCTA图像生成视网膜动静脉初始分割结果；所述图卷积模型分割模块是通过对图注意力网络(GAT)进行训练而得到，该模块用于通过修复视网膜动静脉初始分割结果中的血管断裂区域，生成血管连通性得到提高的视网膜动静脉分割结果。优选的，所述自动化分割系统还包括后处理模块，该模块用于通过修正血管(动脉血管与静脉血管两类)内的非同类连通域的类别，去除所述视网膜动静脉分割结果的噪声。一种OCTA图像动静脉自动化分割方法，该自动化分割方法包括以下步骤：1)根据输入的受试者一组不同深度模态的OCTA图像，使用全卷积模型生成视网膜动静脉初始分割结果；2)通过与全卷积模型级联的图卷积模型对视网膜动静脉初始分割结果进行血管断裂区域修复，生成血管连通性得到提高的视网膜动静脉分割结果。优选的，所述步骤1)中，一组不同深度模态的OCTA图像由玻璃体、视乳头周围放射毛细血管、视神经头、脉络膜四个深度模态的OCTA图像组成。优选的，所述步骤1)中，全卷积模型是通过对U-Net分割模型的全卷积神经网络(FCN)进行训练而得到的。优选的，所述训练之前，通过降低卷积核的个数，对U-Net分割模型的参数进行了精简。优选的，所述步骤2)具体包括以下步骤：利用视网膜动静脉初始分割结果建立动静脉血管的拓扑图，根据该拓扑图的动静脉血管拓扑结构和超像素节点特征信息并使用通过对图注意力网络(GAT)进行训练而得到的图卷积模型提取特征以实现血管(动脉血管与静脉血管两类类别相反的血管)断裂处的节点类别转变，从而增强血管的连通性，实现快速精准的OCTA图像动静脉分割。优选的，所述拓扑图的建立具体包括以下步骤：使用SLIC超像素分割算法将视网膜动静脉初始分割结果按区域进行超像素节点划分，以避免直接以像素点作为节点带来的计算开销，经过筛选去除超像素节点中大部分的背景节点，保留血管节点和血管周围的候选节点，从而完成拓扑图的节点构建；根据拓扑图节点的相邻关系构建拓扑图的边，并将构建的节点、边与节点的特征信息组合。优选的，所述自动化分割方法还包括以下步骤：3)通过修正血管(动脉血管与静脉血管两类)内的非同类连通域的类别去除所述视网膜动静脉分割结果的噪声。优选的，所述步骤3)具体包括以下步骤：在血管内根据连通域划分血管段，根据动静脉血管段各自的连接关系以及区域面积判定所存在的噪声，如果面积小于指定阈值的小血管段与类别相反的大血管段相邻接，则认为该小血管段为噪声；将判定为噪声的小血管段的类别修改为与所述大血管段的类别相同。本专利技术的有益效果体现在：本专利技术通过全卷积获得OCTA图像中动静脉的初始分割结果，利用与全卷积模型级联的图卷积模型，提高分割结果中动静脉血管的连通性，实现了OCTA图像中端到端的动静脉自动分割以及多种不同视野的OCTA图像(例如，3×3mm2、6×6mm2视野的OCTA图像)动静脉血管的精确分析，可以为计算机辅助诊断提供适应性强、速度快、计算稳定、精确度高的OCTA图像动静脉分割结果。附图说明图1为本专利技术实施例中的动静脉自动分割模型的架构图。图2为血管拓扑图的构建过程示意图。图3为OCTA图像动静脉分割的中间结果和最终结果的示意图。图4为第二数据集动静脉分割结果示意图。具体实施方式下面结合附图及实施例对本专利技术做进一步详细说明。所述实施例仅用于解释本专利技术，而非对本专利技术保护范围的限制。(一)基于动静脉自动分割模型的视网膜血管动静脉分类策略...

【技术保护点】
1.一种OCTA图像动静脉自动化分割系统，其特征在于：该自动化分割系统包括全卷积模型分割模块和图卷积模型分割模块；/n所述全卷积模型分割模块用于根据输入的受试者一组不同深度模态的OCTA图像生成视网膜动静脉初始分割结果；/n所述图卷积模型分割模块用于通过修复视网膜动静脉初始分割结果中的血管断裂区域，生成血管连通性得到提高的视网膜动静脉分割结果。/n

【技术特征摘要】
1.一种OCTA图像动静脉自动化分割系统，其特征在于：该自动化分割系统包括全卷积模型分割模块和图卷积模型分割模块；
所述全卷积模型分割模块用于根据输入的受试者一组不同深度模态的OCTA图像生成视网膜动静脉初始分割结果；
所述图卷积模型分割模块用于通过修复视网膜动静脉初始分割结果中的血管断裂区域，生成血管连通性得到提高的视网膜动静脉分割结果。


2.根据权利要求1所述一种OCTA图像动静脉自动化分割系统，其特征在于：所述自动化分割系统还包括后处理模块，所述后处理模块用于通过修正血管内的非同类连通域的类别，去除所述视网膜动静脉分割结果的噪声。


3.一种OCTA图像动静脉自动化分割方法，其特征在于：该自动化分割方法包括以下步骤：
1)根据输入的受试者一组不同深度模态的OCTA图像，使用全卷积模型生成视网膜动静脉初始分割结果；
2)通过与全卷积模型级联的图卷积模型对视网膜动静脉初始分割结果进行血管断裂区域修复，生成血管连通性得到提高的视网膜动静脉分割结果。


4.根据权利要求3所述一种OCTA图像动静脉自动化分割方法，其特征在于：所述步骤1)中，一组不同深度模态的OCTA图像由玻璃体、视乳头周围放射毛细血管、视神经头、脉络膜四个深度模态的OCTA图像组成。


5.根据权利要求3所述一种OCTA图像动静脉自动化分割方法，其特征在于：所述步骤1)中，全卷积模型是通过对U-Net分割模型的全卷积神经网络进行训练而得到的。


6.根据权利要求5所述一种...

【专利技术属性】
技术研发人员：许夏瑜，雷剑琴，徐峰，杨培伟，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61