【技术实现步骤摘要】
基于CAS
‑
Net的OCT图像视网膜脱离和劈裂自动分割方法
[0001]本专利技术涉及OCT图像分割
,特别涉及一种基于CAS
‑
Net的OCT图像视网膜脱离和劈裂自动分割方法。
技术介绍
[0002]近视可引起许多的视网膜病理变化,如黄斑孔、脉络膜新生血管、视网膜萎缩、视网膜脱离(Retinal Detachment,RD)和视网膜劈裂(Retinoschisis,RS)。RD和RS是高度近视中最常见的并发症。对于高度近视患者,视网膜黄斑区域的RD和RS严重损害了视觉功能。光学相干断层成像(Optical Coherence Tomography,OCT)可以清晰显示RD和RS的截面,并且是非侵入式的。
[0003]视网膜劈裂以视网膜神经上皮层分裂为特征。根据它发生在视网膜层的位置,视网膜劈裂可分为外层劈裂(Outer Retinoschisis,ORS)、中层劈裂(Middle Retinoschisis,MRS)和内层劈裂(Inner Retinoschisis,IRS)。视网膜脱离是指视网膜神经上皮层和视网膜色素上皮的分离。RS通常发生在早期阶段。随着疾病的发展,将发生更多的RS并且区域将变大。再更进一步,将会发生RD,一旦发生RD,就需要进行手术治疗。RD、ORS、MRS和IRS的定量对于病理性近视的诊断、分期、管理和术后评估具有重要意义。然而,OCT图像中RD、ORS、MRS和IRS的分割面临着一些挑战:(1)类别分布不均匀,因为在一张OCT图像,不是所 ...
【技术保护点】
【技术特征摘要】
1.基于CAS
‑
Net的OCT图像视网膜脱离和劈裂自动分割方法,其特征在于,包括以下步骤:S1、获取OCT图像,将所述OCT图像分为训练集、验证集和测试集;S2、构建分类辅助分割网络用于OCT图像的分类;所述分类辅助分割网络包括分类网络和分割网络,所述分割网络包括全维度特征融合模块和特征融合解码模块,通过所述全维度特征融合模块融合通道和空间维度的上下文信息,通过所述特征融合解码模块融合所述分类网络和分割网络的特征,所述分类网络用于全局平均池化和卷积,并输出OCT图像中多个类别的存在概率;S3、构建整个分类辅助分割网络的损失函数,利用训练集和验证集对分类辅助分割网络进行训练;S4、利用测试集对训练后的分类辅助分割网络进行测试,实现对OCT图像的分割。2.如权利要求1所述的基于CAS
‑
Net的OCT图像视网膜脱离和劈裂自动分割方法,其特征在于,通过所述全维度特征融合模块融合通道和空间维度的上下文信息,包括:A1、将X输入三个平行路径;其中,X∈R
C
×
H
×
W
为一个输入张量,C、H和W分别表示通道数、高度和宽度;A2、使用一组可学习的权重a
W
∈R1×1×
W
、a
H
∈R1×1×
H
和a
C
∈R1×1×
C
将X在一个维度上压缩,得出A
W
∈R
C
×
H
×1、A
H
∈R
C
×1×
W
和A
C
∈R1×
H
×
W
;A3、将不同维度的压缩特征经过Sigmoid函数后与原始特征图相乘;A4、使用由Softmax函数约束的三个可学习参数对来自三个分支的特征图进行加权;A5、将三个分支的所有特征图与原始特征图相加得到输出特征图Y∈R
C
×
H
×
W
,实现输出特征图中的每个元素都包含来自输入特征图中同一行、同一列、所有通道的同一空间位置的信息。3.如权利要求1所述的基于CAS
‑
Net的OCT图像视网膜脱离和劈裂自动分割方法,其特征在于,所述整个分类辅助分割网络的损失函数如下:loss
total
=loss
Joint
+λloss
category
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。