[发明专利]一种视网膜OCT图像分层算法

说明书

本发明公开了一种视网膜OCT图像分层算法，包括如下步骤：利用视网膜OCT的B扫描切片图像训练模型；对视网膜OCT三维图像进行内外视网膜边界预测，获取粗略分层结果；根据粗略分层结果中第一层和第七层对源输入图像进行对齐处理，获取对齐的视网膜OCT三维图像；将对齐的视网膜OCT三维图像下采样至L2体图像，获取L2体图像第一、二、五、七、十一层的精确分层结果；将L2体图像精确分层的结果上采样至L1体图像，获取L1体图像第一、二、六、七、九、十一层精确分层结果；将L1体图像的精确分层结果上采样至视网膜OCT三维图像尺度，并调整对齐距离获取源输入图像的精准分层结果；本发明可以对视网膜OCT图像精确分层。

技术领域

本发明涉及图像处理分析技术领域，具体涉及一种视网膜OCT图像分层算法。

背景技术

目前现在的视网膜分层算法，大多为传统算法，例如Dijkstra算法，效率较低，浪费时间，还有部分单纯地利用深度学习算法，但是仅仅依靠深度学习需要大量的训练数据，同时深度学习具有不稳定性，使得分层效果得不到保障，算法鲁棒性及准确率都不理想。

发明内容

本发明的目的在于提供种视网膜OCT图像分层算法，以解决现有技术中导致的上述多项缺陷或缺陷之一。

为解决上述技术问题，本发明采用的技术方案为：

一种视网膜OCT图像分层算法，包括如下步骤：

采集视网膜OCT三维图像并提取B扫描方向的B扫描切片，训练深度学习模型；

对所述视网膜OCT三维图像进行内外视网膜边界预测，获取视网膜OCT三维图像中第一层、第六层、第七层和第十一层的粗略分层结果；

根据获取的粗略分层结果中所述第一层和第七层的边界信息，对源输入的视网膜OCT三维图像在B扫描方向上各个切片图像进行对齐操作，获取对齐的三维视网膜OCT图像；

对对齐的视网膜OCT三维图像下采样至L2体图像，获取L2体图像第一、二、五、七、十一层的精确分层结果，其中，L2体图像的深度为视网膜OCT三维图像深度的1/2，L2体图像中B扫描切片图像的宽为视网膜OCT三维图像宽的1/8，高为视网膜OCT三维图像高的1/8；

将L2体图像精确分层的结果上采样至L1体图像，获取L1体图像第一、二、六、七、九、十一层精确分层结果，其中，L1体图像的深度为视网膜OCT三维图像深度的1/2，L1体图像中B扫描切片图像的宽为视网膜OCT三维图像宽的1/2，高为视网膜OCT三维图像高的1/2；

将L1体图像的精确分层结果上采样至视网膜OCT三维图像，获取对齐操作后的视网膜OCT三维图像的精确分层结果，并将精确分层的结果调整到源输入的视网膜OCT三维图像，获取源输入的视网膜OCT三维图像的精确分层结果。

本发明的优点在于：

1、提出的视网膜OCT三维图像分层算法，结合了深度学习模型和动态约束图搜索算法，具有效率高，节约时间和分层效果好的优点；

2、本发明结合了深度学习模型和动态约束图搜索算法，在训练数据的选取上包含了大量的B扫描切片图像，保证了模型应用的稳定性；

3、本发明将深度学习模型和动态图搜索算法相互结合，相辅相成，提高了分层效果；特别是对于各个切片间抖动幅度较大的图像和拍摄模糊的图像，两者结合之后效果有了显著提升。

附图说明

图1为本发明具体实施方式视网膜OCT图像分层算法的流程图；

图2为本发明具体实施方式视网膜OCT图像分层算法中训练数据的示意图；

图3为本发明具体实施方式视网膜OCT图像分层算法中金标准的示意图；