[发明专利]OCT三维图像分类方法、系统、计算机装置及存储介质

说明书

本发明公开了OCT三维图像分类方法、系统、计算机装置及存储介质，方法包括：根据第一OCT三维图像的图像类型对第一B‑scan图像进行标注，训练得到第一B‑scan分类模型；根据第一B‑scan分类模型对第一B‑scan图像进行分类，根据分类结果与B‑scan标签是否一致确定第三B‑scan图像和第二B‑scan图像；筛选出第二B‑scan图像的相似B‑scan图像，根据相似B‑scan图像的B‑scan标签进行标签重置，并对第一B‑scan分类模型进行模型优化，得到用于OCT三维图像分类的第二B‑scan分类模型。本发明提高了OCT三维图像分类的准确度，可广泛应用于图像处理技术领域。

技术领域

本发明涉及图像处理技术领域，尤其是一种OCT三维图像分类方法、系统、计算机装置及存储介质。

背景技术

光学相干断层扫描技术（Optical Coherence Tomography，OCT）是近年来迅速发展起来的一种成像技术，它利用光的相干性，检测生物组织不同深度层面对入射弱相干光的背向反射或几次散射信号，通过扫描，可得到生物组织的三维结构图像。

现有技术中对于OCT三维图像的分类通常有两类方法：一是直接对已知类型的OCT三维图像进行标注，然后根据得到的OCT三维图像样本训练用于OCT三维图像分类的神经网络，而OCT三维图像通常由成百上千的B-scan（横断面扫描）图像组成，直接处理高分辨率的OCT三维图像对系统算力的要求较高，模型训练和分类的效率低下；二是对已知类型的OCT三维图像的B-scan图像进行标注，然后训练用于B-scan图像分类的神经网络，根据B-scan图像分类的结果确定OCT三维图像的分类结果，然而这种方法往往直接采用OCT三维图像的类型作为B-scan图像的标签，但当OCT三维图像类型为异常时，往往仅有一部分B-scan图像存在相应的异常特征，另一部分B-scan图像则并无该异常特征，从而导致训练样本的标签不准确，影响了B-scan图像分类的准确度，进而影响了OCT三维图像分类的准确度。

发明内容

本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。

为此，本发明实施例的一个目的在于提供一种准确、高效的OCT三维图像分类方法。

本发明实施例的另一个目的在于提供一种OCT三维图像分类系统。

为了达到上述技术目的，本发明实施例所采取的技术方案包括：

一方面，本发明实施例提供了一种OCT三维图像分类方法，包括以下步骤：

获取多个第一OCT三维图像和对应的图像类型，确定所述第一OCT三维图像的多个第一B-scan图像，并根据所述图像类型对所述第一B-scan图像进行标注得到B-scan标签，进而根据所述第一B-scan图像和所述B-scan标签训练得到第一B-scan分类模型；

根据所述第一B-scan分类模型对所述第一B-scan图像进行图像分类，并根据分类结果确定第二B-scan图像和第三B-scan图像，所述第二B-scan图像为分类结果与对应的B-scan标签不一致的第一B-scan图像，所述第三B-scan图像为分类结果与对应的B-scan标签一致的第一B-scan图像；

确定所述第二B-scan图像的第二纹理特征向量以及所述第三B-scan图像的第三纹理特征向量，并确定所述第二纹理特征向量与所述第三纹理特征向量的余弦相似度，进而根据所述余弦相似度从所述第三B-scan图像中筛选出所述第二B-scan图像的若干个相似B-scan图像；

根据所述相似B-scan图像的B-scan标签对所述第二B-scan图像进行标签重置，根据所述第三B-scan图像和标签重置后的第二B-scan图像对所述第一B-scan分类模型进行模型优化，得到训练好的第二B-scan分类模型；