[发明专利]视网膜OCT体数据识别方法及装置

说明书

本发明实施例提供一种视网膜OCT体数据识别方法及装置，其中方法包括：获取待识别图像，对待识别图像进行处理，获得目标待识别图像，目标待识别图像为视网膜OCT体数据的多个二维切片图像；根据目标卷积神经网络对目标待识别图像进行识别，获得目标待识别图像的识别结果；根据待识别图像的每个目标待识别图像的识别结果，给出待识别图像的识别结果。本发明实施例利用自监督迭代学习的方法，先利用初始标签和训练样本训练卷积神经网络，再对训练样本图像进行重新分类，并结合聚类或阈值过滤等方法对训练样本图像进行重标签；反复迭代训练与重标签的流程，得到目标卷积神经网络，从而能够在仅有三维级别标签的图像的条件下，提高识别准确率。

技术领域

本发明实施例涉及医学图像分析技术领域，尤其涉及一种视网膜OCT体数据识别方法及装置。

背景技术

视网膜OCT(Optical Coherence tomography，光学相干断层扫描)图像识别技术是通过给定视网膜OCT三维体数据，从而判断体数据为正常或异常。现有技术往往先利用机器学习的方法，对三维体数据的二维切片图像进行逐张诊断，再通过投票等方式汇总得到OCT体数据的识别结论。然而，现有技术中的训练分类器需要的是二维级别的标签，而原生的OCT三维体数据仅仅具有三维体数据标签。目前获得二维级别标签的方法主要有两种，一种是人工标注，另一种是直接用体数据的标签作为体数据内所有二维级别的标签。而体数据往往拥有上百张的二维图片，人工标注起来非常困难，且效率低下。而直接用体数据级别标签作为二维级别标签的方法也是一种不可靠的手段，因为往往体数据中只会有部分二维图像含有异常特征，此时那些不含异常特征的二维图像会被赋予不准确甚至是错误的标签。

目前仍没有针对该问题对已有方法进行改进的方法。

发明内容

针对现有技术存在的问题，本发明实施例提供一种视网膜OCT体数据识别方法及装置。

本发明实施例提供一种视网膜OCT体数据识别方法，包括：

获取待识别图像，所述待识别图像为视网膜OCT体数据图像；对所述待识别图像进行处理，获得目标待识别图像，所述目标待识别图像为视网膜OCT体数据的多个二维切片图像；

根据目标卷积神经网络对所述目标待识别图像进行识别，获得所述目标待识别图像的识别结果；根据待识别图像的每个目标待识别图像的识别结果，给出待识别图像的识别结果；所述待识别图像的识别结果用于表征待识别图像为正常或异常，所述目标卷积神经网络是基于样本二维切片图像、对应的识别结果标签和基于自监督迭代学习的卷积神经网络训练算法预先训练得到。

本发明实施例提供一种视网膜OCT体数据识别装置，包括：

获取模块，用于获取待识别图像，所述待识别图像为视网膜OCT体数据图像；对所述待识别图像进行处理，获得目标待识别图像，所述目标待识别图像为视网膜OCT体数据的多个二维切片图像；

识别模块，用于根据目标卷积神经网络对所述目标待识别图像进行识别，获得所述目标待识别图像的识别结果；根据待识别图像的每个目标待识别图像的识别结果，给出待识别图像的识别结果；所述待识别图像的识别结果用于表征待识别图像为正常或异常，所述目标卷积神经网络是基于样本二维切片图像、对应的识别结果标签和基于自监督迭代学习的卷积神经网络训练算法预先训练得到。

本发明实施例提供的视网膜OCT体数据识别方法及装置，通过在训练卷积神经网络的过程中，对体数据的二维切片图像的标签进行筛选和迭代更新，用标签更新后的二维切片图像再次训练卷积神经网络，从而获得训练好的卷积神经网络；通过训练好的卷积神经网络对视网膜OCT体数据图像进行识别与分类，准确度更高。

附图说明