[发明专利]基于卷积神经网络的OCT视网膜分层方法、系统和介质

说明书

本发明公开了一种基于卷积神经网络的OCT视网膜分层方法、系统和介质，其中基于卷积神经网络的OCT视网膜分层方法包括：获取由视网膜OCT影像组成的图像数据集；使用最短路径算法从所述图像数据集分割出标准图像数据集；将所述标准图像数据集作为标准输入到卷积神经网络中进行训练，得到训练完成后的第一神经网络；将所述图像数据集中除所述标准图像数据集以外的所有数据集输入到所述第一神经网络，得到所述第一神经网络输出的视网膜分层结果。本发明能够大幅提升数据处理的速度，提高了数据处理的效率，也更便于处理大量的数据，不需要大量的人员培训过程，降低了成本。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于卷积神经网络的OCT视网膜分层方法、系统和介质。

背景技术

视网膜神经纤维层的厚度眼部健康密切相关，视网膜神经纤维层厚度反映了眼部健康进展变化，视网膜神经纤维层的搏动参数可以为眼部早期诊断提供依据，因此对视网膜的分层提取研究有重要意义。

相关技术中视网膜OCT图像分层方法主要分为如下两类：

第一类：由医学专业人员手动分割，OCT设备采集眼底视网膜图像后，由具有专业医学知识人员根据经验手动将视网膜神经纤维层分割出来进行病理分析，不足之处在于需要相关医学知识，且无法对大量的数据进行分割处理。

第二类：传统图像分割方法，主要通过传统的特征提取算法对图像进行边缘检测和特征提取。算法在大量数据的情况下泛化性不理想，且对于医学图像来说需要较多的先验知识，成本较大。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于卷积神经网络的OCT视网膜分层方法，能够使用训练好的神经网络可对大量不同尺寸、不同位置的视网膜图片进行分层，大幅提升数据处理的速度和准确率，对大量数据的处理效果较好。

本发明还提出一种具有上述基于卷积神经网络的OCT视网膜分层方法的基于卷积神经网络的OCT视网膜分层系统。

本发明还提出一种计算机可读存储介质。

第一方面，本实施例提供了一种基于卷积神经网络的OCT视网膜分层方法，包括以下步骤：

获取由视网膜OCT(Optical Coherence Tomography，光学相干层析成像探测)影像组成的图像数据集；

使用最短路径算法从所述图像数据集分割出标准图像数据集；

将所述标准图像数据集作为标准输入到卷积神经网络中进行训练，得到训练完成后的第一神经网络；

将所述图像数据集中除所述标准图像数据集以外的所有数据集输入到所述第一神经网络，得到所述第一神经网络输出的视网膜分层结果。

根据本发明实施例的基于卷积神经网络的OCT视网膜分层方法，至少具有如下有益效果：

首先，采集视网膜OCT影像，对视网膜OCT影像进行数据处理组成图像数据集，使用最短路径算法从所述图像数据集分割出标准图像数据集，最短路径算法是一种计算一个节点到其他所有节点的最短路径的方法，由于OCT视网膜图像的各个层间特征明显，最短路径算法可用于OCT视网膜图像的分层；以每帧SD-OCT的B扫描图像作为节点图，其中每个节点对应一个像素；连接节点的链接被称为边，一组连接的边形成了一个穿过图的路径，通过将权重分配给单个边来创建路径的优先最短路径。优先最短路径是指在穿过图形的所有路径中从开始节点到结束节点总权重之和最小的路径，通过最短路径来分割图像的不同区域；再将所述标准图像数据集作为标准输入到卷积神经网络中进行训练，得到第一神经网络，所述第一神经网络为训练好的所述卷积神经网络；将采集到的除标准图像数据集以外的所述图像数据集输入到所述第一神经网络进行处理得到视网膜分层结果。