【技术实现步骤摘要】
【国外来华专利技术】用于OCT图像转化、眼科图像去噪的系统及其神经网络
[0001]本专利技术总体上涉及光学相干断层扫描(OCT)领域。更具体地,旨在提高OCT扫描/图像以及其他眼科图像的质量。
技术介绍
[0002]早期诊断对于成功治疗各种眼病至关重要。光学成像是视网膜无创检查的首选方法。虽然年龄相关性黄斑变性、糖尿病性视网膜病变和青光眼被认为是视力丧失的主要原因,但通常是在损害表现出来后才做出诊断。这主要是由于一些视网膜成像技术的分辨率相对较低。因此,先进的灵敏和精确的眼科成像和诊断工具的目标是提供能够在疾病的临床前阶段分辨/显示(例如,用于检测和监测)视网膜微结构的病理变化的成像模态。
[0003]光学相干断层扫描(OCT)系统就是这样一种先进的眼科成像和诊断工具。根据所使用的技术,OCT可以提供大约1至15μm范围内的轴向分辨率以及几微米至几十微米范围内的横向分辨率。可以理解,实现更高的分辨率通常需要大量的研究、成本和复杂性。
[0004]通过软件解决方案来提高图像质量的尝试收效甚微。例如,本领域已知的基于Hessian的血管选择性过滤器可以提供改善的血管连通性,但是已经发现引入了在原始(例如,真实)扫描中没有发现的假想(例如,虚构)结构。因为基于Hessian的血管选择性过滤器不忠实于原始扫描的真实血管结构,所以在检查眼科图像中的病理学用途是有限的。
[0005]本专利技术的目的是提供一种分辨率提高的OCT系统。
[0006]本专利技术的目的是提供一种系统和方法,用于改善现有OCT或OCT血管造 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种光学相干断层扫描(OCT)系统,包括:光源,用于产生光束;分束器,所述分束器具有分束表面,用于将第一部分光导入参考臂,并将第二部分光导入样本臂;光学器件,用于将所述样本臂中的光导向样本上的一个或多个位置;检测器,用于接收从所述样本臂和所述参考臂返回的光,并响应于此产生信号;处理器,用于将所述信号转换成第一图像并将所述第一图像提交给图像转化模块,所述图像转化模块将所述第一图像转化成第二图像,所述第二图像的特征在于与所述第一图像相比抖动减少和虚构结构的创建最小化中的一个或多个;以及输出显示器,用于基于所述第二图像显示输出图像;其中,所述图像转化模块包括使用训练输入图像组和训练输出图像的目标组的机器学习模块,所述训练输入图像独立于所述训练输出图像生成。2.根据权利要求1所述的系统,其中,所述处理器进一步将当前第二图像与一个或多个先前获得的第二图像组合,以生成所述输出图像。3.根据权利要求2所述的系统,其中,所述当前第二图像通过直接平均和加权平均中的一种与所述一个或多个先前获得的第二图像组合,其中,更高图像质量的第二图像被更重地加权。4.根据权利要求1所述的系统,其中:所述处理器定义多个所述第一图像,将多个所述第一图像提交给所述图像转换模块,以产生对应的多个第二图像,并使用OCT血管造影(OCTA)处理技术从多个所述第二图像计算运动对比度信息;并且所述输出图像显示所述运动对比度信息。5.根据权利要求1所述的系统,其中,所述处理器:定义多个所述第一图像;将多个所述第一图像提交给所述图像转化模块,以产生对应的多个第二图像;将图像配准技术应用于多个所述第二图像,以产生图像对齐设置;并且至少部分基于多个所述第二图像的图像对齐设置来对齐多个所述第一图像。6.根据权利要求1所述的系统,其中:所述第一图像被分成多个第一图像段;以及所述图像转化模块将每个第一图像段单独转化成对应的第二图像段,并组合所述第二图像段,以构建所述第二图像。7.根据权利要求1所述的系统,其中:至少一个训练输出图像被定义为测试样本的相同区域的一组OCT测试图像的平均;并且所述训练输入图像的至少一部分包括在所述一组OCT测试图像中。8.根据权利要求1所述的系统,其中:所述第一图像是所述样本的第一区域;并且所述第二图像具有被定义为所述第一区域的多个假设OCT扫描与所述第一图像的平均值的特征。
9.根据权利要求1所述的系统,其中,所述机器学习模块是经训练的NN,并且所述NN的训练包括:收集目标眼科区域的多个OCT测试图像;对多个所述OCT测试图像进行平均,以定义所述目标眼科区域的对应的平均化的图像;将所述目标眼科区域的所述OCT测试图像作为训练输入图像分别单独输入到所述神经网络,并提供其对应的平均化的图像,作为所述神经网络的其各自对应的训练输出图像。10.根据权利要求9所述的系统,其中,所述NN的训练还包括:将每个OCT测试图像分成多个测试段;将其对应的平均化的图像分成多个对应的基础真实段;将测试段与对应的基础真实段相关联;分别单独将相关的测试段作为训练输入图像提交给所述神经网络,并提供其相关的基础真实段,作为所述神经网络的训练输出图像。11.根据权利要求9所述的系统,还包括将当前输入的OCT测试图像与所述神经网络的对应的当前输出进行组合,以定义组合网络输出,并将所述组合网络输出与对应的训练输出图像进行比较。12.根据权利要求1所述的系统,其中,所述训练输入图像和所述训练输出图像包括健康眼睛的图像和患病眼睛的图像的混合。13.根据权利要求1所述的系统,其中:所述第一图像是第一成像模态;以及所述第二图像模拟不同于所述第一成像模态的第二成像模态。14.根据权利要求13所述的系统,其中,所述第一模态和所述第二模态是包括时域OCT、谱域OCT、扫频源OCT和自适应光学器件OCT(AO
‑
OCT)中的一种或多种的混合物。15.根据权利要求1所述的系统,其中:所述OCT系统是第一模态;使用用所述第一模态的第一OCT装置拍摄的第三图像作为所述训练输入图像组,并且使用用第二模态的第二OCT装置拍摄的第四图像作为所述训练输出图像的目标组来训练所述机器学习模块,所述第二模态不同于所述第一模态;并且所述第二图像具有由所述第二模态的OCT系统生成的图像的特征。16.根据权利要求15所述的系统,其中:所述第一模态的所述第一OCT装置是非自适应光学器件OCT类型;所述第二模态的所述第二OCT装置是自适应光学器件OCT类型;所述第一OCT装置获得的所述第三图像大于所述第二OCT装置获得的所述第四图像,所述第三图像被分成与所述第四图像大小相似的第三图像段,并且每个第三图像段与对应的第四图像相关;并且相关的第三段作为训练输入图像被分别单独提交给所述神经网络,并且提供其对应的相关的第四图像,作为所述神经网络的训练输出图像。17.根据权利要求1所述的系统,其中,所述机器学习模块是神经网络,包括:a)输入模块,用于接收所述第一图像;b)跟随所述输入模块的收缩路径,所述收缩路径包括多个编码模块,每个编码模块具
有卷积级、激活函数和最大池化操作;c)跟随收缩路径的扩展路径,所述扩展路径具有多个解码模块,每个解码模块将其当前值与对应编码模块的当前值级联;d)输出卷积模块,不包括池化层和sigmoid层激活函数,所述输出卷积模块接收来自所述扩展路径中最后一个解码模块的输出,并产生初步输出误差;以及e)中间误差模块,所述中间误差模块确定至少一个编码模块和/或一个解码模块的误差度量;并且在所述神经网络的训练期间,来自所述输出卷积模块的所述初步输出误差与来自所述中间误差模块的所述误差度量相结合。18.根据权利要求17所述的系统,其中,所述输出卷积模块还接收所述第一图像,并且所产生的初步输出误差至少部分基于由所述输出卷积模块接收的输入图像。19.根据权利要求17所述的系统,其中,在所述神经网络的训练期间:所述中间误差模块将所述误差度量确定为当前训练输出图像和所述中间误差模块的对应的编码模块和/或解码模块的当前值之间的误差;并且来自所述输出卷积模块的所述初步输出误差基于所述当前训练输出图像和所述输出卷积模块的当前值。20.一种眼科成像系统,包括:处理器,用于获取第一图像,并将所述第一图...
【专利技术属性】
技术研发人员:阿林多姆,
申请(专利权)人:卡尔蔡司医疗技术股份公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。