[发明专利]视网膜光学相干层析体数据自动识别方法及装置

说明书

本发明公开了一种视网膜光学相干层析体数据自动识别方法及装置，其中，方法包括：获取每个视网膜OCT体数据的每个B‑扫描的特征向量，并根据每个B‑扫描的特征向量得到每个视网膜OCT体数据的全局特征；根据每个视网膜OCT体数据的全局特征及标签作为输入，训练分类器模型；获取待分类的视网膜OCT体数据，并得到待分类的视网膜OCT体数据的全局特征，将待分类的视网膜OCT体数据的全局特征输入训练好的分类器模型，得到待分类的视网膜OCT体数据的最终标签分类结果。根据本发明实施例的方法，可以有效识别体数据的标签分类结果，可获得高精度的视网膜OCT体数据分类性能，有效保证分类的准确性和有效性，提升使用体验。

技术领域

本发明涉及医学图像分析技术领域，特别涉及一种视网膜光学相干层析体数据自动识别方法。

背景技术

视网膜OCT(optical coherence tomography，光学相干断层扫描)体数据由一系列二维切片图像(B-扫描)组成，因此在仅定体数据标签的前提下，如何训练分类器模型对测试样本进行自动分类是一个亟待解决的问题。

相关技术中，比较常见的方法有两类：一类是，根据训练集，训练出适用于B-扫描的二维图像分类器模型，通过对视网膜OCT体数据中每个B-扫描分类并通过多数投票等推理方法获得该体数据的分类结果；另一类是，通过获得OCT体数据的全局特征训练分类器模型。显然，后者更具有应用价值，但如何构造体数据的全局特征使其具有很好的特征区分能力是该技术的关键，否则无法有效识别体数据的标签分类结果，无法获得高精度的视网膜OCT体数据分类性能。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种视网膜光学相干层析体数据自动识别方法，该方法可获得高精度的视网膜OCT体数据分类性能，有效保证分类的准确性和有效性，提升使用体验。

本发明的另一个目的在于提出一种视网膜光学相干层析体数据自动识别装置。

为达到上述目的，本发明一方面实施例提出了一种视网膜光学相干层析体数据自动识别方法，包括以下步骤：获取每个视网膜OCT体数据的每个B-扫描的特征向量，并根据所述每个B-扫描的特征向量得到所述每个视网膜OCT体数据的全局特征；根据所述每个视网膜OCT体数据的全局特征及标签作为输入，训练分类器模型；获取待分类的视网膜OCT体数据，并得到所述待分类的视网膜OCT体数据的全局特征，将所述待分类的视网膜OCT体数据的全局特征输入训练好的分类器模型，得到待分类的视网膜OCT体数据的最终标签分类结果。

本发明实施例的视网膜光学相干层析体数据自动识别方法，提取每个视网膜OCT体数据的每个B-扫描的特征向量，从而构造体数据的全局特征，使其具有很好的特征区分能力，有效识别体数据的标签分类结果，可获得高精度的视网膜OCT体数据分类性能，有效保证分类的准确性和有效性，提升使用体验。

另外，根据本发明上述实施例的视网膜光学相干层析体数据自动识别方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，述获取每个视网膜OCT体数据的每个B-扫描的特征向量，包括：通过预设提取方式提取所述每个B-扫描的特征向量，其中，所述预设提取方式包括人工提取特征方式、半监督学习特征方式与监督学习特征方式中的一种或多种。

进一步地，在本发明的一个实施例中，所述通过预设提取方式提取所述每个B-扫描的特征向量，包括：将所述每个视网膜OCT体数据拆分为二维切片；将每一个切片的标签设为其所属体数据的标签；训练二维分类器，利用迁移学习得到的带所述标签的切片对所述分类器进行有监督训练，以得到所述每个B-扫描的特征向量。

进一步地，在本发明的一个实施例中，所述根据所述每个B-扫描的特征向量得到所述每个视网膜OCT体数据的全局特征，包括：