[发明专利]一种血管内光学相干断层扫描的导丝伪影去除方法

权利要求书

1.一种血管内光学相干断层扫描的导丝伪影去除方法，其特征在于，它包括：

S1、获取完整的IVOCT视频影像数据，对IVOCT视频影像数据进行逐帧筛查，获得所有的有效帧图像数据；

S2、在S1获取的有效帧图像数据中人工标记导丝和支柱的位置，经过预处理后作为训练数据；

S3、构建训练伪影检测网络模型的数据集；

S4、构建伪影检测网络模型，利用S3获取的训练数据集对伪影检测网络模型进行训练，直至损失函数值小于损失函数阈值或迭代次数达到最大迭代预设次数停止，获得训练好的目标检测卷积神经网络模型，完成导丝伪影的检测；

S5、利用S2获取的训练数据构建去除伪影网络的数据集；

S6、构建图像补全模型，利用S5获取的去除数据集对图像补全模型进行训练，直至损失函数值小于损失函数阈值或迭代次数达到最大迭代预设次数停止，获得训练好的目标去除图像补全模型，完成导丝伪影的去除；

S7、将S4获取的目标检测卷积神经网络模型和S6获取的目标去除图像补全模型进行链接，完成导丝伪影检测去除重建；

S4所述目标检测卷积神经网络包括伪影特征提取模块、伪影融合模块和伪影检测模块；

所述伪影特征提取模块包括7个不同尺度特征，所述7个不同尺度特征的尺度从前至后依次减半，通过伪影特征提取模块获得5种不同的语义信息；

所述伪影融合模块在相同层级的输入和输出之间建立信息融合的通道实现特征的融合，将伪影特征提取模块获得语义信息进行融合，获得最佳的语义信息；

所述伪影检测模块包括伪影分类预测网络和伪影位置预测网络，伪影分类预测网络根据伪影融合模块输出的语义信息对伪影的类别进行预测，伪影位置预测网络根据伪影融合模块输出的语义信息对伪影的位置进行预测，预测后在输出结果中分别显示类别和位置的置信度；

所述伪影特征提取模块包括普通卷积和不同大小核的MB卷积，其中MB卷积包括一个1x1的普通卷积、一个Depthwise Conv卷积、一个SE模块和一个Droupout层；所述DepthwiseConv卷积包括BN和Swish；所述1x1的普通卷积包括BN；

所述伪影融合模块包括Conv、Sum、Concatenate、Resize和Skip Connection；

S3所述构建训练伪影检测网络模型的数据集的方法包括：

S3-1、将S2获取的训练数据进行样本重采样，获得类别分布平衡的数据集；

S3-2、将S3-1获得的数据集的图像尺寸进行统一；

S3-3、将统一尺寸后的数据集进行归一化处理，获得归一化后图像，将归一化后图像组成的数据集作为训练数据集；

S5所述利用S2获取的训练数据构建去除伪影重建伪影区域网络的数据集的方法包括：

S5-1、将S2获取的训练数据进行样本重采样，获得类别分布平衡的数据集；

S5-2、将S2获取的训练数据输入图像结构纹理分离网络，获得结构化图像；

S5-3、将S2-2获取的导丝标记位置的区域框进行剪切，然后从前至后进行拼接；

S5-4、将导丝的位置进行随机分布，获得标注图像、待修复图像和结构化图像。

2.根据权利要求1所述的一种血管内光学相干断层扫描的导丝伪影去除方法，其特征在于，S2所述在有效帧图像数据中人工标记导丝和支柱的位置的方法包括：

S2-1、在有效帧图像数据中人工标记导丝和支柱的位置，将导丝类别的位置标记为1，支柱类别的位置标记为2；

S2-2、标记每个类别对应的区域框的位置。