一种可见光OCT图像视网膜层分割方法及系统技术方案

本发明专利技术提供一种可见光OCT图像视网膜层分割方法及系统，涉及医学影像处理领域，针对目前OCT图像分割方法处理可见光OCT图像时分割精度不足的问题，基于图像预处理和端到端语义分割方法建立视网膜层分割模型，通过训练后的视网膜层分割模型能够实现对可见光OCT图像的分割，满足分割精度需求。满足分割精度需求。满足分割精度需求。

【技术实现步骤摘要】
一种可见光OCT图像视网膜层分割方法及系统


[0001]本专利技术涉及医学影像处理领域，具体涉及一种可见光OCT图像视网膜层分割方法及系统。

技术介绍

[0002]基于可见光的光学相干断层扫描(Vis
‑
OCT)与传统OCT相比，它实现了超高的轴向分辨率，改善了组织间的成像对比度，显示了极强的临床应用潜力。采用可见光OCT技术对视网膜进行扫描后，对中心凹区域的OCT图像进行不同组织层的自动分割具有重要的临床意义，一方面自动分割可以提高专业眼科医生的工作效率和分割精度；另一方面分割的结果可以用于辅助眼科医生判断一些早期疾病的发展。
[0003]可见光OCT在提高分辨的同时，也给视网膜层的自动分割带来了新的挑战，传统OCT设备采集的图像分辨率低，图像上显示出来的视网膜组织层数较少，一些较薄的组织层成像不出来，因此传统OCT采集的图像层分割难度较低。可见光OCT由于轴向分辨率比传统OCT较高，可以成像出更多传统OCT设备无法扫描到的组织层，这些层往往由于较薄，不容易被分割出来。此外，更多的层就意味着对方法的分割性能要求更高。目前基于传统OCT图像开发的视网膜层分割方法直接迁移应用到可见光OCT上效果太差，较薄的组织层难以分割甚至无法使用。因此，难以可见光OCT图像视网膜层分割的需求。

技术实现思路

[0004]本专利技术的目的是针对现有技术存在的缺陷，提供一种可见光OCT图像视网膜层分割方法及系统，基于图像预处理和端到端语义分割方法建立视网膜层分割模型，通过训练后的视网膜层分割模型能够实现对可见光OCT图像的分割，满足分割精度需求。
[0005]本专利技术的第一目的是提供一种可见光OCT图像视网膜层分割方法，采用以下方案：
[0006]包括：
[0007]获取可见光OCT待分割图像；
[0008]将待分割图像输入视网膜层分割模型，获取分割后的视网膜层多通道图像；
[0009]其中，视网膜层分割模型通过端到端语义分割方法训练获取。
[0010]进一步地，所述视网膜层分割模型的获取包括：
[0011]数据预处理，基于健康人眼中心凹区域的可见光OCT原始图像获取真值标注图；
[0012]端到端语义分割，将预处理后的原始图像输入初始分割模型并输出多通道图像，将多通道图像与真值标注图进行比对，基于比对结果调整初始分割模型，重复训练至比对结果满足设定要求，获取视网膜层分割模型。
[0013]进一步地，对原始图像进行裁剪、翻转，获取满足尺寸和方向需求的图像，并进行真值标注。
[0014]进一步地，在数据预处理后，将图像进行数据格式转化并输入初始分割模型。
[0015]进一步地，所述端到端语义分割方法包括：
[0016]主干网络对预处理后的原始图像进行多尺度特征提取，得到多种尺度的特征图；
[0017]第一尺度特征图经上采样还原后与第二尺度特征图进行融合，融合后进行加权获取第一加权特征图；
[0018]第一加权特征图经上采样还原后与第三尺度特征图进行融合，融合后进行加权获取第二加权特征图；
[0019]依此进行所有加权特征图和尺度特征图的融合、加权，获取最终加权特征图；
[0020]还原最终加权特征图得到分割后的视网膜层多通道图像。
[0021]进一步地，融合后的特征图通过深度高效加权模块进行特征图信息加权，每个尺度特征图融合后分别进行对应的特征图信息加权。
[0022]进一步地，通过采样特征图还原模块对加权特征图进行还原，每个加权特征图分别进行对应的特征图还原输出图像。
[0023]进一步地，将分割后的视网膜层多通道图像与基于原始图像获取真值标注图进行相似度评估，基于相似度结果调整端到端语义分割方法，直至相似度结果满足需求，以此调整后的端到端语义分割方法建立视网膜层分割模型。
[0024]进一步地，若相似度结果不符合设定要求，调节端到端语义分割方法中的网络内参中的一种或多种，其中，网络内参包括多特征提取参数、上采样还原参数、融合参数和加权参数。
[0025]本专利技术的第二目的是提供一种可见光OCT图像视网膜层分割系统，包括：
[0026]图像获取模块，被配置为：获取可见光OCT待分割图像；
[0027]图像分割模块，被配置为：将待分割图像输入视网膜层分割模型，获取分割后的视网膜层多通道图像；
[0028]其中，视网膜层分割模型通过端到端语义分割方法训练获取。
[0029]与现有技术相比，本专利技术具有的优点和积极效果是：
[0030](1)针对目前OCT图像分割方法处理可见光OCT图像时分割精度不足的问题，基于图像预处理和端到端语义分割方法建立视网膜层分割模型，通过训练后的视网膜层分割模型能够实现对可见光OCT图像的分割，满足分割精度需求。
[0031](2)通过端到端语义分割方法，对预处理后的图像进行多尺度特征提取获取多种尺度特征图后，滚动叠加进行特征图的还原、融合和加权过程，提高对特征图信息的利用，从而提高分割精度。
[0032](3)可见光OCT由于轴向分辨率比传统OCT较高，可以成像出更多低分辨率设备无法扫描到的组织层，这些层往往由于较薄也不容易分割，本专利技术中通过深度高效加权模块使带有权重信息的特征图更多的提供目标区域的信息而弱化非目标区域的信息，进而提高对特征图信息的高效利用，突出较薄层区域，提高边界位置的分隔精度。
附图说明
[0033]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0034]图1为本专利技术实施例1和2中可见光OCT图像视网膜层分割方法的流程示意图。
[0035]图2为本专利技术实施例1和2中预处理流程示意图。
[0036]图3为本专利技术实施例1和2中端到端语义分割方法的示意图。
具体实施方式
[0037]实施例1
[0038]本专利技术的一个典型实施例中，如图1
‑
图3所示，给出一种可见光OCT图像视网膜层分割方法。
[0039]传统OCT设备采集的图像分辨率低，图像上显示出来的视网膜组织层数较少，一些较薄的组织层成像不出来，因此传统OCT采集的图像层分割难度较低；可见光OCT由于轴向分辨率比传统OCT较高，可以成像出更多低分辨率设备无法扫描到的组织层，这些层往往由于较薄也不容易分割，此外，更多需要识别和标记的层也为分割精度提出了更高的要求。
[0040]如图1所示，针对可见光OCT图像视网膜层分隔方法，基于图像预处理和端到端语义分割方法建立视网膜层分割模型，具体执行过程包括：
[0041]步骤1：数据预处理，如图2所示；
[0042]1‑
1：采集健康人眼中心凹区域的可见光OCT图像，如图2中所示(a)；
[0043]1‑
2：将采集的原始图像(a)进行裁剪，如图2中所示(
...

【技术保护点】

【技术特征摘要】
1.一种可见光OCT图像视网膜层分割方法，其特征在于，包括：获取可见光OCT待分割图像；将待分割图像输入视网膜层分割模型，获取分割后的视网膜层多通道图像；其中，视网膜层分割模型通过端到端语义分割方法训练获取。2.如权利要求1所述的可见光OCT图像视网膜层分割方法，其特征在于，所述视网膜层分割模型的获取包括：数据预处理，基于健康人眼中心凹区域的可见光OCT原始图像获取真值标注图；端到端语义分割，将预处理后的原始图像输入初始分割模型并输出多通道图像，将多通道图像与真值标注图进行比对，基于比对结果调整初始分割模型，重复训练至比对结果满足设定要求，获取视网膜层分割模型。3.如权利要求2所述的可见光OCT图像视网膜层分割方法，其特征在于，对原始图像进行裁剪、翻转，获取满足尺寸和方向需求的图像，并进行真值标注。4.如权利要求2所述的可见光OCT图像视网膜层分割方法，其特征在于，在数据预处理后，将图像进行数据格式转化并输入初始分割模型。5.如权利要求1所述的可见光OCT图像视网膜层分割方法，其特征在于，所述端到端语义分割方法包括：主干网络对预处理后的原始图像进行多尺度特征提取，得到多种尺度的特征图；第一尺度特征图经上采样还原后与第二尺度特征图进行融合，融合后进行加权获取第一加权特征图；第一加权特征图经上采样还原后与第三尺度特征图进行融合，融合后进行加权获取第二加权特征图；依此进行所有加...

【专利技术属性】
技术研发人员：万熠，贺翔，宋维业，
申请(专利权)人：山东大学，
类型：发明
国别省市：