[发明专利]一种OCT影像分层与病灶语义分割方法、装置及存储介质

权利要求书

1.一种OCT影像分层与病灶语义分割方法，其特征在于，包括：

获取待检查患者的一只眼的OCT的每个BScan二维切片影像数据，并进行归一化处理；

将归一化后的切片影像数据逐张输入预先训练好的第一阶段的卷积神经网络，得到第一阶段的分层、视盘区域、黄斑下凹区域的语义分割预测结果；

根据得到的第一阶段的分层、视盘区域、黄斑下凹区域的语义分割预测结果，制作“关注区域”；

获取“关注区域”的数据图，并对数据进行归一化处理；

将归一化后的“关注区域”的数据图输入第二阶段的卷积神经网络，得到第二阶段的分层、玻璃膜疣、色素上皮层脱离、脉络膜新生血管病灶的语义分割预测结果。

2.根据权利要求1所述的OCT影像分层与病灶语义分割方法，其特征在于：根据得到的第一阶段的分层、视盘区域、黄斑下凹区域的语义分割预测结果，制作“关注区域”，包括：

选取同眼OCT的数据标签中黄斑下凹区的中心点所在列的神经纤维层的厚度最薄的一个切片，该黄斑下凹区的中心点作为该眼OCT影像的“黄斑中央凹”中心点；

选取同眼OCT的所有切片数据标签中视盘区域的宽度的最大值作为OCT影像的“视盘直径”；

根据OCT机型特定模式下横、纵向的物理分辨率和像素分辨率的值，将2个视盘直径的横向像素数换算成横向的物理尺寸，并以黄斑中心凹点为圆心，视盘直径物理值为半径确定“关注区域圆”，并换算成各个切片中该“关注区域圆”所对应的“关注区域”的像素宽度；

在切片上以黄斑中心凹中心点所在列为中心点，宽度通过换算得到的所述像素宽度，并以这些列的眼底层结构标签非背景区域的多边形的外接矩形的中心为中心，特定像素数为高度，获取“关注区域”。

3.根据权利要求1所述的OCT影像分层与病灶语义分割方法，其特征在于：所述第一阶段的卷积神经网络的训练方法包括：

获取OCT的BScan二维切片影像数据和相应的分层、视盘区域、黄斑下凹区域的语义分割标签，进行数据增广、归一化，并随机打乱，制作成第一阶段的数据集；

在第一阶段网络训练的每一步，取第一阶段的数据集中处理好的影像数据输入第一阶段的卷积神经网络，得到第一阶段的分层、视盘区域、黄斑下凹区域的语义分割预测结果，并与对应的标签进行损失的计算，并进行梯度的反向传播和网络参数的更新；

根据OCT的BScan二维切片影像数据和相应的分层、视盘区域、黄斑下凹区域的语义分割标签，制作“关键区域”；

获取“关键区域”的数据图和分层、玻璃膜疣、色素上皮层脱离、脉络膜新生血管的病灶标签图，进行数据增广，对数据进行归一化，并随机打乱，制作成第二阶段的数据集；

在第二阶段网络训练的每一步，取第二阶段的数据集中处理好的影像数据输入第一阶段的卷积神经网络，得到第二阶段的分层、玻璃膜疣、色素上皮层脱离、脉络膜新生血管病灶的语义分割预测结果，并与对应的标签进行损失的计算，并进行梯度的反向传播和网络参数的更新。

4.根据权利要求3所述的OCT影像分层与病灶语义分割方法，其特征在于：所述制作“关键区域”的方法与所述制作“关注区域”的方法相同。

5.根据权利要求3所述的OCT影像分层与病灶语义分割方法，其特征在于：还包括：采用Adam优化器对网络进行优化。

6.一种OCT影像分层与病灶语义分割装置，其特征在于，包括：

第一获取单元，用于获取待检查患者的一只眼的OCT的每个BScan二维切片影像数据，并进行归一化处理；

第一输入单元，用于将归一化后的切片影像数据逐张输入预先训练好的第一阶段的卷积神经网络，得到第一阶段的分层、视盘区域、黄斑下凹区域的语义分割预测结果；

处理单元，用于根据得到的第一阶段的分层、视盘区域、黄斑下凹区域的语义分割预测结果，制作“关注区域”；

第二获取单元，用于获取“关注区域”的数据图，并对数据进行归一化处理；

第二输入单元，将归一化后的“关注区域”的数据图输入第二阶段的卷积神经网络，得到第二阶段的分层、玻璃膜疣、色素上皮层脱离、脉络膜新生血管病灶的语义分割预测结果。