[发明专利]一种基于深度神经网络的黄斑水肿病变区域分割方法

说明书

本申请提供一种基于深度神经网络的黄斑水肿病变区域分割方法，所述方法包括：获取黄斑水肿患者眼底的OCT图像；将所述OCT图像输入到训练好的深度神经网络分割模型中，得到所述黄斑水肿患者眼底的OCT图像上的病灶区域。在本申请中，通过将所述OCT图像输入到训练好的深度神经网络分割模型中，得到所述黄斑水肿患者眼底的OCT图像上的病灶区域。与现有技术相比，节省了大量的人力物力，同时，通过训练好的深度神经网络分割模型获取黄斑水肿患者眼底的OCT图像上的病灶区域，能够避免目前由于OCT图像噪声较大以及医生之间的经验差别，不同医生的勾画结果往往差异较大，从而导致黄斑水肿的评价误差较大的问题。

技术领域

本申请涉及医疗图像处理技术领域，具体而言，涉及一种基于深度神经网络的黄斑水肿病变区域分割方法、装置、电子设备及存储介质。

背景技术

黄斑区域是眼底对光线最敏感的部位，黄斑水肿是指眼底黄斑区域发生的炎性反应、液体渗入，形成的水肿病变，黄斑水肿是引起视力减退的重要原因之一，临床中常见的黄斑水肿病症包括：视网膜色素上皮脱离(Pigment Epithelium Detachment,PED)，视网膜下水肿(Subretinal Fluid,SRF)等。目前，主要通过获取患者的OCT(Optical coherencetomography，光学相干断层扫描)图像对患者进行检查。为了定量地评价患者的病情，医生将基于OCT图像勾画出黄斑水肿的区域，如PED和SRF的具体区域。之后通过计算黄斑水肿区域的体积，从而定量地评价患者的病情，制定治疗方案。但是一次检查通常包含数十张至上百张的OCT图像，人工勾画黄斑水肿区域将耗费巨大的时间与人力成本，此外，由于OCT图像噪声较大以及医生之间的经验差别，不同医生的勾画结果往往差异较大，从而导致黄斑水肿的评价误差较大。

发明内容

本申请实施例的目的在于提供一种基于深度神经网络的黄斑水肿病变区域分割方法、装置、电子设备及存储介质。以改善上述“人工勾画黄斑水肿区域将耗费巨大的时间与人力成本，此外，由于OCT图像噪声较大以及医生之间的经验差别，不同医生的勾画结果往往差异较大，从而导致黄斑水肿的评价误差较大”的问题。

本发明是这样实现的：

第一方面，本申请实施例提供一种基于深度神经网络的黄斑水肿病变区域分割方法，所述方法包括：获取黄斑水肿患者眼底的OCT图像；将所述OCT图像输入到训练好的深度神经网络分割模型中，得到所述黄斑水肿患者眼底的OCT图像上的病灶区域。

在本申请中，通过将黄斑水肿患者眼底的OCT图像输入到训练好的深度神经网络分割模型中，得到所述黄斑水肿患者眼底的OCT图像上的病灶区域。与现有技术相比，节省了大量的人力物力，同时，通过训练好的深度神经网络分割模型获取黄斑水肿患者眼底的OCT图像上的病灶区域，能够避免目前由于OCT图像噪声较大以及医生之间的经验差别，不同医生的勾画结果往往差异较大，从而导致黄斑水肿的评价误差较大的问题。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述将所述OCT图像输入到训练好的深度神经网络分割模型中之前，所述方法还包括获得所述训练好的深度神经网络分割模型，所述获得所述训练好的深度神经网络分割模型，包括：获取训练样本数据；其中，所述训练样本数据包括预先标记好黄斑水肿病灶区域的OCT眼底图像；构建所述深度神经网络分割模型，将所述训练样本数据输入所述深度神经网络分割模型中，进行模型训练。

结合上述第一方面提供的技术方案，在一些可能的实现方式中，在所述获取训练样本数据之后，所述方法还包括：对所述训练样本数据进行预处理，以扩充所述训练样本数据的多样性。

在本申请中，通过对训练样本数据进行预处理，扩充了训练样本数据的多样性，从而使得深度神经网络分割模型可以学习到具有更强鲁棒性的特征，缓解模型的过拟合现象。