[发明专利]基于OCT图像的图像识别方法、服务器及存储介质

说明书

本发明涉及人工智能领域，公开了一种基于OCT图像的图像识别方法，应用于服务器，该方法包括获取不含异常区域的OCT图像作为样本图像构建生成式对抗网络，分别对生成式对抗网络的生成器与鉴别器进行训练得到目标鉴别器及目标生成器，对目标生成器和目标鉴别器进行交替迭代以对生成式对抗网络进行训练直至完成训练，获取客户端上传的待识别图像输入完成训练的生成式对抗网络得到模拟图像，利用第一算法计算模拟图像与待识别图像之间的异常分值，当异常分值大于第二预设阈值时，判断待识别图像为包含异常区域的异常图像。本发明能够提高识别判断OCT图像中反映的信息是否异常的准确性。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于OCT图像的图像识别方法、服务器及存储介质。

背景技术

OCT(光学相干层析技术，Optical Coherence tomography)是近十年迅速发展起来的一种成像技术，它利用弱相干光干涉仪的基本原理，检测生物组织不同深度层面对入射弱相干光的背向反射或几次散射信号，通过扫描，可得到生物组织二维或三维结构图像，即OCT图像。由于OCT图像的特殊性，通常需要人为借助特定仪器识别对应的OCT图像中反映的信息是否为异常，不仅图像识别准确率低，且图像结果识别效率不高，而随着神经网络的迅速发展，越来越多的神经网络也被应用到智能识别OCT图像是否异常的场景中。

由于现有的大多数神经网络在训练过程中需要用到大量的异常OCT图像(即包含疑似病灶区域的图像)样本，而在实际中，由于异常OCT图像涉及病人的隐私问题无法像正常OCT图像那样容易得到，导致了现有的神经网络运用在医学领域中存在很多困难，即使通过少量的异常OCT图像训练得到的识别模型也存在识别准确率低的问题。

发明内容

本发明的主要目的在于提供一种基于OCT图像的图像识别方法、服务器及存储介质，旨在如何根据不同语法的SQL快速精准地查询到对应的目标数据的问题。

为实现上述目的，本发明提供的一种基于OCT图像的图像识别方法，应用于服务器，该方法包括：

获取步骤：获取无异常区域的OCT图像作为样本图像，构建包括生成器和鉴别器的生成式对抗网络；

第一处理步骤：将所述样本图像输入所述生成器，采用生成器的卷积层对每个样本图像分别进行下采样得到第一图像，对所述第一图像进行高阶特征编码得到第一特征向量，计算每个第一特征向量与预设存储表中每个第二特征向量的相似度值，将最大相似度值对应的第二特征向量作为目标特征向量，将所述目标特征向量对应的第一特征向量作为第二特征向量存入所述预设存储表，采用所述生成器的转置卷积层对所述目标特征向量进行上采样得到模拟图像并作为所述生成器的输出结果；

第二处理步骤：基于所述输出结果，以最小化所述生成器的第一损失函数值为目标调整生成器的参数，当所述第一损失函数值小于第一预设阈值时，利用所述第一损失函数值更新生成器的参数得到目标生成器；

第三处理步骤：分别将所述样本图像及其对应的模拟图像输入所述鉴别器得到对应的第一概率值与第二概率值，基于所述第一概率值与第二概率值，以最小化所述鉴别器的第二损失函数值为目标调整鉴别器的参数，当所述第二损失函数值小于所述第一预设阈值时，利用所述第二损失函数值更新所述鉴别器的参数得到目标鉴别器，对所述目标生成器和目标鉴别器进行交替迭代以对所述生成式对抗网络进行训练直至完成训练；及

识别步骤：接收客户端上传的待识别图像并输入完成训练的所述生成式对抗网络得到模拟图像，利用第一算法计算所述模拟图像与待识别图像之间的异常分值，当所述异常分值大于所述第二预设阈值时，判断所述待识别图像为包含异常区域的异常图像。

优选地，所述将最大相似度值对应的所述第二特征向量作为目标特征向量包括：

将所述目标特征向量与第一特征向量输入权重计算公式得出数值在预设数值区间(例如0-0.1)的第一结果数据，所述提取权重计算公式为：