[发明专利]基于改进Resnet与SVR混合模型的OCT图像质量评价方法

说明书

本发明提供了一种基于改进Resnet与SVR混合模型的OCT图像质量评价方法，包括以下步骤：步骤1，对原始OCT图像进行预处理，得到预处理后的OCT图像；步骤2，构建并训练深度残差网络，采用训练后的深度残差网络提取预处理后的OCT图像的深层次特征；步骤3，利用所提取预处理后的OCT图像的深层次特征训练OCT图像质量评价模型；给定一幅待评价的OCT图像，利用OCT图像质量评价模型得到待评价的OCT图像的质量分数。本发明将深度残差网络与OCT图像的质量评价任务相结合，建立了一种新的OCT图像的主观感知质量的客观预测模型。

技术领域

本发明属于医学图像处理领域，涉及一种眼底OCT图像的质量评价方法，具体涉及一种基于改进Resnet与SVR混合模型的OCT图像质量评价方法。

背景技术

眼底，是眼球最内部的组织，而眼底病指的是眼底部位发生的病变。对于眼底疾病，如果不及时治疗，长时间的拖延将使视觉各功能下降，待眼球各组织受到不可逆转的伤害时就有可能造成失明。影像采集是眼科，尤其是眼底病临床工作的基础。光学相干断层扫描(Optical Coherence tomography,OCT)技术作为一种眼科成像手段，其具有的非接触性、高分辨率、快速成像等特点决定了该技术在眼科领域的重要地位。一方面OCT设备在会在成像过程中由低相干光的互干涉产生散斑噪声并且电路元件在工作状态下会有电子噪声和热噪声，另一方面随着OCT成像设备的长时间使用，设备会出现老化的状况，因此在实际操作过程中所得到的眼底OCT图像质量参差不齐。

眼底OCT图像质量参差不齐对后续图像处理与临床诊断会带来很大的困难。因此，如何准确地对眼底OCT图像进行评价并且结合评价结果做进一步的处理，具有重要的实用价值。实验证明，眼底OCT图像质量与病症判断的准确率成正比，因此在进行临床诊断前，利用眼底OCT图像质量评估自动筛选有效的医用图像，智能化显示评估结果，对于后期的辅助医生诊断能够提供有价值的参考依据，并且对OCT图像的分析与处理有着重要的意义。

随着对自然图像质量评价研究的不断深入，越来越多的无参考图像质量评价(NR-IQA)指标被提出和被完善，但是由于OCT图像的特殊性，一方面OCT的图像统计特性与自然图像的统计特性存在着较大的区别，另一方面由于相干光源的因素OCT中存在着大量的散斑噪声，而这种噪声一般很少出现在自然图像当中，因此无法将用于自然图像的方法直接的应用到对OCT图像的评价上来，同时由于研究人员在眼部OCT图像的质量评价方面所做的工作有限，所以导致这方面的成果比较少。早期研究人员采用从OCT采集设备中导出的信噪比(Singal-Noise Ratio，SNR)、信号强度(Signal Strength，SS)以及信号方差(SignalDeviation)等参数来对眼部OCT图像的质量进行评价，例如：

2006年D M Stein等人提出一个新的参数，即质量参数(Quality Index,QI),对TD-OCT图像进行质量评价，并且与信噪比(SIGNAL-NOISE RATIO，SNR)和TD-OCT设备中的信号强度(Signal Strength，SS)两个参数的评价结果进行比较，实验证明QI相比于SNR和SS，与主观评价更为一致。

2008年Peter Barnum等人提出一种基于直方图矩阵提取OCT图像特征，并利用支持向量机对提取样本特征进行训练的方法，对OCT图像进行局部质量评价，该方法在确定TD-OCT图像质量好坏的同时还能够确定该OCT图像是否会影响医生的诊断，因此大大提高了疾病的诊断效率。

2009年Shuang Liu等人提出了信号方差(Signal Deviation，SD)对FD-OCT图像进行质量评价，其对于质量极好和极差的分类效果比SNR和SS好。

2012年Yijun Huang等人提出最大组织对比度指数(Maximum Tissue ContrastIndex，mTCL)，建立一个能够将SD-OCT图像中前景和背景分离出来的强度直方图分解模型，对视网膜OCT图像信号作质量评价。