[发明专利]基于多可见光光谱OCT影像的视网膜层分割方法及系统

权利要求书

1.基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，包括：

获取多张不同波段的分可见光光谱的OCT影像；

利用视网膜层分割模型处理所有分可见光光谱的OCT影像，得到分割后的视网膜层特征图；

其中，视网膜层分割模型的训练过程为：

获取人眼视网膜区域的宽可见光光谱的OCT影像，并将所述宽可见光光谱进行划段得到多段不同波段的分可见光光谱，获取每段分可见光光谱的OCT影像；

处理宽可见光光谱的OCT影像和所有段分可见光光谱的OCT影像，并输入多通道语义分割框架，得到视网膜层分割模型。

2.如权利要求1所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，相异波段的分可见光光谱对应不同的波长范围，每段分可见光光谱的谱宽相等。

3.如权利要求2所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，相异分光谱段对应OCT影像上视网膜层间对比度不同。

4.如权利要求1所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，在获取视网膜层分割模型过程中，对所获取的宽可见光光谱对应的OCT影像进行视网膜层分割的真值标注，得到真值标注图，用于视网膜层分割模型的训练。

5.如权利要求4所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，获取每段分可见光光谱的OCT影像后，将所有段分可见光光谱的OCT影像进行数据格式转换，以满足多通道语义分割框架的输入需求。

6.如权利要求4或5所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，所述输入多通道语义分割框架，得到视网膜层分割模型包括：

所有段分可见光光谱的OCT影像输入到多通道联合输入模块中进行特征提取；

对多通道联合输入模块输出的特征在通道维度上进行加权，输出多种尺度的特征图；

对所有特征图进行融合处理，输出融合特征图，对融合特征图与真值标注图进行相似度评估；

待相似度评估达到要求后，保存对应的模型和模型内参作为视网膜层分割模型。

7.如权利要求6所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，所述对所有特征图进行融合处理包括：

获取输出的四种尺度的特征图F1、F2、F3、F4；

特征图F1经上采样还原后与特征图F2进行融合，得到融合1特征图；

融合1特征图经采样还原后与特征图F3进行融合，得到融合2特征图；

融合2特征图经采样还原后与特征图F4进行融合，得到融合3特征图；

融合3特征图经采样还原后，得到融合特征图并输出，以用于相似度评估。

8.如权利要求6所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，所述判断融合特征图与真值标注图相似度评估后，若相似度不满足要求，则反馈结果至多通道语义分割框架的各个执行模块，并调整各执行模块的内参来调整输出结果。

9.如权利要求6所述的基于多可见光光谱OCT影像的视网膜层分割方法，其特征在于，所述对多通道联合输入模块输出的特征在通道维度上进行加权中，通过基于通道注意力的多光谱信息加权。

10.一种基于多可见光光谱OCT影像的视网膜层分割系统，其特征在于，包括：

影像获取模块，被配置为：获取多张不同波段的分可见光光谱的OCT影像；

影像分割模块，被配置为：利用视网膜层分割模型处理所有分可见光光谱的OCT影像，得到分割后的视网膜层特征图；

其中，视网膜层分割模型的训练过程为：

获取人眼视网膜区域的宽可见光光谱的OCT影像，并将所述宽可见光光谱进行划段得到多段不同波段的分可见光光谱，获取每段分可见光光谱的OCT影像；

处理宽可见光光谱的OCT影像和所有段分可见光光谱的OCT影像，并输入多通道语义分割框架，得到视网膜层分割模型。