一种OCT图像中目标特征的分割方法及装置制造方法及图纸

本发明专利技术公开了一种OCT图像中目标特征的分割方法及装置，该方法包括：获取第一图像信息；第一图像信息包括待处理OCT图像、待处理OCT图像对应的第一金标准图像和待处理OCT图像对应的目标特征的第一位置先验信息图像；根据第一图像信息，以及预设的神经网络模型，确定出目标特征对应的分割结果图像。可见，本发明专利技术能够通过获取包括待处理OCT图像、待处理OCT图像对应的第一金标准图像和待处理OCT图像对应的目标特征的第一位置先验信息图像在内的第一图像信息，并通过神经网络模型对待处理OCT图像的目标特征进行层分割，得到分割结果图像，有利于提升对OCT图像中目标特征的分割精度，进而提升眼底疾病的诊断设备的诊断准度和诊断效率。效率。效率。

【技术实现步骤摘要】
一种OCT图像中目标特征的分割方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种OCT图像中目标特征的分割方法及装置。

技术介绍

[0002]随着计算机和医疗技术的快速发展，OCT(Optical Coherence Tomography，光学相干层析成像)技术已被广泛应用于眼底疾病的诊断设备中，对眼科疾病的检测和治疗有着重要意义。OCT属于一种高灵敏度、高分辨率、高速度、无入侵的断层扫描成像方式，利用光的相干性对眼底扫描成像，每次扫描被称为一个A
‑
scan，相邻连续的多次扫描组合在一起称为一个B
‑
scan图像，B
‑
scan图像也即通常所看到的OCT截面图(也可以理解为OCT图像)，是医学诊断中OCT最主要的成像方式。
[0003]在实际应用中，诊断设备对于眼底疾病的诊断通常依赖于OCT图像中目标特征的分割后的目标特征分割结果，如视网膜积液分割结果。然而实践发现，基于直方图、边界分割和区域分割等传统分割技术的OCT图像中目标特征的分割方法对OCT图像进行层分割得到的目标特征分割结果的精度不高。因此，提供一种OCT图像中目标特征的分割方法以提升对OCT图像中目标特征的分割精度，进而提升眼底疾病的诊断设备的诊断准度和诊断效率显得尤为重要。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供一种OCT图像中目标特征的分割方法及装置，能够通过获取包括待处理OCT图像、待处理OCT图像对应的第一金标准图像和待处理OCT图像对应的目标特征的第一位置先验信息图像在内的第一图像信息，并通过神经网络模型对待处理OCT图像的目标特征进行层分割，得到分割结果图像，有利于提升对OCT图像中目标特征的分割精度，进而提升眼底疾病的诊断设备的诊断准度和诊断效率。
[0005]为了解决上述技术问题，本专利技术实施例第一方面公开了一种OCT图像中目标特征的分割方法，所述方法包括：
[0006]获取第一图像信息；所述第一图像信息包括待处理OCT图像、所述待处理OCT图像对应的第一金标准图像和所述待处理OCT图像对应的目标特征的第一位置先验信息图像；
[0007]根据所述第一图像信息，以及预设的神经网络模型，确定出所述目标特征对应的分割结果图像。
[0008]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述神经网络模型基于以下方式训练得到：
[0009]由训练装置获取训练样本图像集；所述训练样本图像集包括若干张目标域OCT图像和若干个训练样本，每个所述训练样本包括源域OCT图像、所述源域OCT图像对应的第二金标准图像和所述源域OCT图像对应的目标特征的第二位置先验信息图像；
[0010]由所述训练装置利用M个所述目标域OCT图像和N个所述训练样本对预设的前置训
练模型进行训练，得到待选前置训练模型；所述M和所述N均为正整数；
[0011]由所述训练装置利用L个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型；所述L为正整数；
[0012]由所述训练装置根据所述待选前置训练模型和所述待选后置训练模型，确定出所述神经网络模型。
[0013]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述由所述训练装置利用M个所述目标域OCT图像和N个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型，包括：
[0014]由所述训练装置从M个所述目标域OCT图像和N个所述训练样本中任选出一个所述训练样本和与该训练样本对应的目标域OCT图像，并利用该目标域OCT图像和该训练样本对应的源域OCT图像、前置训练模型和预设的前置损失函数，确定出第一前置损失函数值；
[0015]由所述训练装置判断所述第一前置损失函数值是否满足第一前置终止条件，得到第一判断结果；
[0016]当所述第一判断结果表示所述第一前置损失函数值满足第一前置终止条件时，由所述训练装置确定所述第一前置损失函数值对应的前置训练模型为待选前置训练模型。
[0017]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述由所述训练装置利用该目标域OCT图像和该训练样本对应的源域OCT图像、前置训练模型和预设的前置损失函数，确定出第一前置损失函数值，包括：
[0018]由所述训练装置将该目标域OCT图像和该训练样本对应的源域OCT图像输入前置训练模型进行处理，得到第一目标域图像信息；
[0019]由所述训练装置根据所述第一目标域图像信息和所述前置损失函数，计算出所述第一前置损失函数值。
[0020]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述由所述训练装置利用L个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型，包括：
[0021]由所述训练装置冻结所述待选前置训练模型对应的第一权重参数；
[0022]由所述训练装置从L个所述训练样本中任选出一个训练样本，并将该训练样本对应的源域OCT图像输入所述待选前置训练模型，确定出第二目标域图像；
[0023]由所述训练装置将所述第二目标域图像、该训练样本对应的第二金标准图像和该训练样本对应的第二位置先验信息图像输入到后置训练模型进行处理，得到第一待选目标分割图；
[0024]由所述训练装置根据所述第一待选目标分割图、该训练样本对应的第二金标准图像和预设的后置损失函数，计算出第一后置损失函数值；
[0025]由所述训练装置判断所述第一后置损失函数值是否满足第一后置终止条件，得到第二判断结果；
[0026]当所述第二判断结果表示所述第一后置损失函数值满足第一后置终止条件时，由所述训练装置确定所述第一后置损失函数值对应的后置训练模型为待选后置训练模型。
[0027]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述由所述训练装置根据所述待选前置训练模型和所述待选后置训练模型，确定出所述神经网络模型，包括：
[0028]由训练装置利用P个所述目标域OCT图像和Q个所述训练样本对所述待选前置训练模型和所述待选后置训练模型进行联合训练，确定出所述神经网络模型；所述P和所述Q为正整数。
[0029]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述神经网络模型包括前置网络模型和后置网络模型；
[0030]所述根据所述第一图像信息，以及预设的神经网络模型，确定出所述目标特征对应的分割结果图像，包括：
[0031]利用所述前置网络模型对所述待处理OCT图像进行处理，得到第一目标域图像；
[0032]利用所述后置网络模型对所述第一目标域图像、所述第一金标准图像和所述第一位置先验信息图像进行处理，得到所述目标特征对应的分割结果图像。
[0033]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述第一图像信息还包括所述待处理OCT图像对应的图像尺寸信息；
[0034]在所述利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种OCT图像中目标特征的分割方法，其特征在于，所述方法包括：获取第一图像信息；所述第一图像信息包括待处理OCT图像、所述待处理OCT图像对应的第一金标准图像和所述待处理OCT图像对应的目标特征的第一位置先验信息图像；根据所述第一图像信息，以及预设的神经网络模型，确定出所述目标特征对应的分割结果图像。2.根据权利要求1所述的OCT图像中目标特征的分割方法，其特征在于，所述神经网络模型基于以下方式训练得到：由训练装置获取训练样本图像集；所述训练样本图像集包括若干张目标域OCT图像和若干个训练样本，每个所述训练样本包括源域OCT图像、所述源域OCT图像对应的第二金标准图像和所述源域OCT图像对应的目标特征的第二位置先验信息图像；由所述训练装置利用M个所述目标域OCT图像和N个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型；所述M和所述N均为正整数；由所述训练装置利用L个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型；所述L为正整数；由所述训练装置根据所述待选前置训练模型和所述待选后置训练模型，确定出所述神经网络模型。3.根据权利要求2所述的OCT图像中目标特征的分割方法，其特征在于，所述由所述训练装置利用M个所述目标域OCT图像和N个所述训练样本对预设的前置训练模型进行训练，得到待选前置训练模型，包括：由所述训练装置从M个所述目标域OCT图像和N个所述训练样本中任选出一个所述训练样本和与该训练样本对应的目标域OCT图像，并利用该目标域OCT图像和该训练样本对应的源域OCT图像、前置训练模型和预设的前置损失函数，确定出第一前置损失函数值；由所述训练装置判断所述第一前置损失函数值是否满足第一前置终止条件，得到第一判断结果；当所述第一判断结果表示所述第一前置损失函数值满足第一前置终止条件时，由所述训练装置确定所述第一前置损失函数值对应的前置训练模型为待选前置训练模型。4.根据权利要求3所述的OCT图像中目标特征的分割方法，其特征在于，所述由所述训练装置利用该目标域OCT图像和该训练样本对应的源域OCT图像、前置训练模型和预设的前置损失函数，确定出第一前置损失函数值，包括：由所述训练装置将该目标域OCT图像和该训练样本对应的源域OCT图像输入前置训练模型进行处理，得到第一目标域图像信息；由所述训练装置根据所述第一目标域图像信息和所述前置损失函数，计算出所述第一前置损失函数值。5.根据权利要求3所述的OCT图像中目标特征的分割方法，其特征在于，所述由所述训练装置利用L个所述训练样本和所述待选前置训练模型对预设的后置训练模型进行训练，得到待选后置训练模型，包括：由所述训练装置冻结所述待选前置训练模型对应的第一权重参数；由所述训练装置从L个所述训练样本中任选出一个训练样本，并将该训练样本对...

【专利技术属性】
技术研发人员：彭勇，区初斌，叶重荣，韦喜飞，
申请(专利权)人：唯智医疗科技佛山有限公司，
类型：发明
国别省市：