[发明专利]心血管光学相干断层OCT图像易损斑块自动识别方法

摘要

一种心血管光学相干断层OCT图像易损斑块自动识别方法，包括如下步骤：a)采集心血管OCT图像；b)对心血管OCT图像进行标准化处理；c)将标准化处理后的图像进行易损斑块识别处理，d)采用栈式自编码方法对样本集构造深度学习模型：e)进行分类识别；f)采用双线性插值方法进行笛卡尔坐标系转换；g)将坐标系转换后的图像进行划分象限；h)判断划分象限后的图像中的同一个象限是否存在两个及以上的连通区域。结合心血管OCT图像特点，重新构造样本数据集，克服样本数量有限的问题。另外，学习模型往往受训练集影响，本发明多次随机抽取数据集中的样本来训练学习模型，并通过投票策略形成集成学习模型。通过大量实验证明，该技术能够取得较高的识别精度。

主权项

一种心血管光学相干断层OCT图像易损斑块自动识别方法，其特征在于，包括如下步骤：a)采集心血管OCT图像；b)对心血管OCT图像进行标准化处理；c)将标准化处理后的图像进行易损斑块识别处理，将OCT图像(I∈RM×W)的每列分为易损斑块和非易损斑块，将OCT图像每列(x∈RM)定义为一个样本，从而形成的数据集为：S＝{(xi,yi)|xi∈RM,yi∈Y,i＝1,...,K}其中K为向量xi对应的类标签，M为图像的高度，W为图像的宽度，样本集为X＝{xi|i＝1,...,N}，Y＝{yi|i＝1,...,N,yi＝1,...,K}，N为样本总数；d)采用栈式自编码方法对样本集构造深度学习模型：d‑1)将构造的样本集作为栈式自编码网络的输入数据；d‑2)通过公式z(1)＝H(1)(w(1)x+b(1))，对输入样本x∈RM进行隐层变换，H(1)为激活函数，第1个隐层的权重矩阵，为第1个隐层的偏置，z(1)为第1个隐层的输出，解码过程为：H(2)为激活函数，第2个隐层的权重矩阵，为第2个隐层的偏置，为第2个隐层重建结果；d‑3)对隐层神经元加入稀疏约束项，并过构成栈式稀疏自编码，通过反向传播进行优化，调整的目标损失函数为：其中C为类别数，α和β表示第二项和第三项的控制参数。xic表示标签为c第i个样本，表示标签为c第i个样本的重建结果，表示xic的第m个隐层的权值。ρ为稀疏参数，表示第i隐层的权值，xj表示第j个样本，bj表示第j个偏置；d‑4)对调整的目标损失函数，加入softmax分类器，将样本X的特征空间映射为标签空间为f(·):RM→Y；e)将步骤d‑4)中的得到的深度学习模型进行分类识别，将识别的结果进行加权求和和并取平均处理，对融合结果进行二值分类；f)将二值分类后的每幅OCT图像的识别结果采用双线性插值方法进行笛卡尔坐标系转换，并对转换后结果进行标记连通区域；g)将坐标系转换后的图像进行划分象限，从右上角到右下角依次为1‑4，判断每个连通区域是否跨象限，如果跨象限，则判断为该区域为易损斑块区域，否则判断为非易损斑块区域；h)判断划分象限后的图像中的同一个象限是否存在两个及以上的连通区域，如果存在，则将两个连通区域之间区域合并为一个区域，如果不存两个及以上的连通区域在则保持不变。