[发明专利]一种基于机器学习的光学相干血管造影成像方法在审
申请号: | 201910513946.0 | 申请日: | 2019-06-14 |
公开(公告)号: | CN112085830A | 公开(公告)日: | 2020-12-15 |
发明(设计)人: | 刘曦;卢闫晔;任秋实;黄智宇 | 申请(专利权)人: | 北京大学 |
主分类号: | G06T17/00 | 分类号: | G06T17/00;G06T7/33;G06N3/04;G06N3/08 |
代理公司: | 北京万象新悦知识产权代理有限公司 11360 | 代理人: | 王岩 |
地址: | 100871*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 机器 学习 光学 相干 血管 造影 成像 方法 | ||
1.一种基于机器学习的光学相干血管造影成像方法,其特征在于,所述光学相干血管造影成像方法包括以下步骤:
1)生成原始数据集:
利用OCTA设备采集得到的样品的OCT三维结构图像,生成网络模型训练所需的原始数据集,原始数据集包括j×k组OCT结构图像序列,每一组OCT结构图像序列包括i个二维横截面(B-Scan)的OCT结构图像,其中,k为样品的个数,j为每个样品的慢轴扫描位置的个数,i为同一样品的同一个慢轴扫描位置的扫描次数,i为>4的自然数,j为>50的自然数,k>5的自然数;
2)数据筛选:
采用刚性配准算法对同一组OCT结构图像中的i个B-Scan面OCT结构图像进行配准,配准后利用相关性算法计算配准准确度,剔除配准效果较差的整组OCT结构图像,保留n组筛选后的OCT结构图像,n为自然数,且
3)生成训练数据集:
利用步骤2)得到的n组筛选后的OCT结构图像,采用OCTA算法进行造影成像,每组OCT结构图像将得到一张B-Scan面的OCTA造影图像,称作标签图像;从与每个标签图像相对应一组OCT结构图像的i个B-Scan面OCT结构图像中取出m个B-Scan面OCT结构图像,称作输入数据,与标签图像配对,输入数据与标签图像组成网络模型训练所需的训练数据集,其中,m=2,3或4;
4)建立机器学习网络模型:
构建机器学习网络模型,并设定机器学习网络模型的超参数;并将训练数据集分成n1组训练集和n2组测试集,训练集与测试集互相独立,n1和n2分别为自然数,且n1+n2=n,
5)训练机器学习网络模型:
利用步骤4)建立的机器学习网络模型,以训练数据集中的输入数据作为机器学习网络模型的输入,其中以n1组训练集用于训练机器学习网络模型,并以n2组测试集用于检验机器学习网络模型的性能;训练过程中,训练集将分多个批次并重复输入机器学习网络模型训练多轮,同时判断或计算机器学习网络模型的输出图像与标签图像之间的差异作为训练误差以训练机器学习网络模型,每一批次的训练结束后,使用测试集对机器学习网络模型进行性能测试,待机器学习网络模型的性能测试指标训练趋于稳定后时,则认为机器学习网络模型的训练完成,保存训练完成的机器学习网络模型;
6)机器学习网络模型进行OCTA造影:
利用训练完成的机器学习网络模型,将OCTA设备采集得到的样品的OCT结构图像作为输入,输出图像即为OCTA造影图像。
2.如权利要求1所述的光学相干血管造影成像方法,其特征在于,在步骤1)中,OCTA设备对样品进行采集时,对一个样品的一个扫描位置的一个慢轴扫描位置扫描一次得到一个B-Scan面的OCT结构图像,对同一个慢轴扫描位置扫描i次,每个样品具有j个慢轴扫描位置,共有k个样品,从而得到i×j×k个B-Scan面的OCT结构图像,将i×j×k个B-Scan面的OCT结构图像分成j×k组OCT结构图像,每一组OCT结构图像包括i个B-Scan面的OCT结构图像,即每一个慢轴扫描位置对应一组OCT结构图像,从而得到原始数据集。
3.如权利要求1所述的光学相干血管造影成像方法,其特征在于,在步骤2)中,对于j×k组配准后的OCT结构图像,进比较配准准确度,配准准确度较高的前n组OCT结构图像保留,其余的认为配准效果较差,剔除这些组OCT结构图像。
4.如权利要求1所述的光学相干血管造影成像方法,其特征在于,在步骤4)中,机器学习网络模型采用深度卷积神经网络CNN、生成式对抗网络GAN或者循环神经网络RNN。
5.如权利要求1所述的光学相干血管造影成像方法,其特征在于,在步骤4)中,超参数包括网络层数、卷积核、学习率、参数初始化、训练轮数和批次规模。
6.如权利要求1所述的光学相干血管造影成像方法,其特征在于,在步骤5)中,以输出图像与标签图像之间的均方误差、结构相似度或峰值信噪比作为训练误差,使用随机梯度下降、自适应矩估计优化算法以及动量算法中的一种最小化训练误差,以训练机器学习网络模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京大学,未经北京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910513946.0/1.html,转载请声明来源钻瓜专利网。