[发明专利]用于食管光学相干层析图像生成的方法及系统

权利要求书

1.一种用于食管光学相干层析图像生成的方法，其特征在于，包括以下步骤：

1)采集食管OCT图像并进行预处理，作为训练样本；

2)构建对抗变分自编码网络模型V，该网络模型V包括编码器E和生成器G，其中编码器E同时承担判别和编码两种任务；

3)利用步骤1)中得到的训练样本对步骤2)构建的抗变分自编码网络模型V进行训练，训练过程中，编码器E和生成器G的优化过程交替进行，收敛后，得到最终的对抗变分自编码网络模型V'；

4)利用训练后得到的抗变分自编码网络模型V'产生虚拟的食管OCT图像。

2.根据权利要求1所述的用于食管光学相干层析图像生成的方法，其特征在于，所述步骤2)中的对抗变分自编码网络模型V中，采用L_like项用于衡量网络的还原程度，采用L_prior项用于衡量隐含向量与高斯分布的接近程度，采用L_gan表示网络模型V的对抗损失；

采用E₁表示编码器的编码输出，E₂表示编码器的判别输出；x表示输入的真实样本，x_r表示生成器G通过编码向量z重构得到的生成数据，如公式(1)所示：

公式(1)的含义为：真实样本x通过编码器E后所输出的编码z服从分布q(z|x)，隐藏向量z通过生成器G得到的重构样本x_r服从分布p(x|z)；

采用z_p表示从高斯分布采样得到的随机向量，z_p维度与z一致，x_p表示生成器G通过z_p重构得到的采样样本；

L_like项的计算公式为：

L_prior项的计算公式为：

L_prior＝D_KL(q(z∣x)||p(z)) (3)；

其中，D_KL为KL散度，p(z)＝N(0,1)表示标准正态分布；

L_gan项的计算公式为：

其中，中，E表示期望，角标表示随机变量为x，该变量x服从样本数据的分布，即x采样自真实样本数据集；中，E表示期望，角标表示z为随机变量，z服从p_z(z)分布，即采样自正态分布。

3.根据权利要求2所述的用于食管光学相干层析图像生成的方法，其特征在于，步骤3)中，对编码器E进行优化的损失函数L_E的计算公式为：

对生成器G进行优化的损失函数L_G的计算公式为：

其中，为当前使用的生成器，为当前使用的编码器，λ₁和λ₂为权重参数。