[发明专利]一种适用于OCTA图像的动静脉自动化分割方法

说明书

本发明公开了一种适用于OCTA图像的动静脉自动化分割方法。首先使用全卷积神经网络模块生成初始分割，然后使用级联图注意力网络模块提高初始分割的连通性，从而获得OCTA图像中动静脉的快速精准分割结果，具有稳定性好、速度快的优点。本发明可以对多种OCTA图像的动静脉血管实现精确分析，为OCTA图像在眼科疾病诊断中的应用提供了适用性强、计算稳定、精确度高的动静脉辅助分析方法。

技术领域

本发明属于眼科计算机辅助诊断领域，具体涉及适用于OCTA设备的全自动OCTA图像动静脉血管分割方法。

背景技术

视网膜血管是人体唯一可以通过光学方式非侵入的观察到的微血管。近年来，研究人员发现不同疾病对视网膜血管的影响是不同的。如糖尿病视网膜病变和早产儿视网膜病变会导致视网膜动脉弯曲度增加、静脉串珠状、动脉狭窄、静脉扩张，因而通过对动静脉的分类以及定量分析可以用于辅助疾病诊断和治疗效果评估。例如，根据动静脉的口径比和曲率比可以判断出糖尿病视网膜病变的严重程度。常见的视网膜图像包括彩色眼底图像、荧光素血管造影图像FA、OCT(光学相干断层扫描成像)和OCTA图像。

彩色眼底图像具有明显的分类动静脉的颜色、亮度特征，因此，目前大多数眼底血管动静脉分类研究是在彩色眼底图像上进行的。但临床实践中，由于分辨率和对比度的限制，彩色眼底图像只适用于眼底主要血管分支的分类，而不能对视网膜动静脉等更小管径的血管进行分类，并且许多系统性疾病都与微血管异常相关，此时由于病变造成的图像模糊会使得血管分类更加难以进行。另外，由于FA采用侵入方式成像，而OCT是横断面扫描，因此，这两种图像都不适合用于进行视网膜血管的动静脉分类。

OCTA图像是一种临床视网膜影像，通过利用流动血液的运动信号作为内在对比，可以非侵入的实现视网膜血管高分辨率、血管正面可视的三维视网膜成像。OCTA图像不易受到媒质浑浊和病变影响，能够在毛细血管水平上提供对视网膜微血管网络的高分辨率观察。目前，已经有许多研究利用OCTA图像分析血管管径、血管弯曲程度、血管密度，从而实现对老年黄斑变性、青光眼、镰状红细胞视网膜病变的定量分析。

由于OCTA图像的成像原理，其缺乏彩色眼底图像上用于区分动静脉类别的颜色、对比度等特征信息，导致仅依靠OCTA图像进行动静脉分类较为困难，难点包括缺乏能够实现动静脉的快速、稳定图像分割的模型和算法。目前在临床上多使用彩色眼底图像来指导OCTA图像上的动静脉分类。例如，Alam等人首先在彩色眼底图像上进行动静脉分类，然后再利用复杂的图像配准和血管追踪算法在OCTA图像上进行动静脉分类。这类方法会受到彩色眼底图像分类血管的尺度约束，同时，在临床上应用时需要两种不同的成像仪器，即眼底照相机和OCTA设备，导致血管分类流程复杂、耗时耗力，无法满足临床中对辅助诊断方法简便性、快速性和高鲁棒性的需求。

Ishibazawa等人的两项研究表明，通过观察OCTA图像上的细微特征，例如，动脉周边存在无毛细血管区域，以及特定分布规律，例如动静脉交替分布、动脉之间不交叉、静脉不交叉等，可以实现OCTA的动静脉分类。尽管以上研究表明仅使用OCTA图像对动静脉进行分割在理论上是可行的。但是，在实际应用中需要医生经过培训后依靠肉眼进行分类，耗时耗力，分类效率较低。因此，目前亟需一种适用于OCTA图像的动静脉自动化分割方法以辅助医生进行诊断。

发明内容

本发明的目的在于提供一种适用于OCTA图像的动静脉自动化分割方法，实现了OCTA图像中视网膜血管的动静脉快速、精准分割。

为了达到上述目的，本发明采用了以下技术方案：

一种OCTA图像动静脉自动化分割系统，该自动化分割系统包括全卷积模型分割模块和图卷积模型分割模块；

所述全卷积模型分割模块是通过对全卷积神经网络(FCN)进行训练而得到，该模块用于根据输入的受试者一组不同深度模态的OCTA图像生成视网膜动静脉初始分割结果；