The invention relates to an organization classification method and device based on a cardiovascular IVOCT image, wherein the method comprises: Step 1, obtaining a plurality of labeled IVOCT images; step 2, establishing a IVOCT image sample set, dividing the sample set of the IVOCT image into a training sample set and a test sample set; step 3, building a convolution neural network. The collaterals structure; step 4, training the convolution neural network by using the set of training samples to obtain the CNN model; step 5, input the test sample set into the CNN model, and obtain the pattern of the organization type corresponding to the different organizations. In the embodiment of the invention, the CNN model has two output terminals, which respectively display the outline of the organization and the internal structure respectively. In the existing technology, the resolution of the output image is slight, and the loss of some image information leads to the technical problem that the organization boundary is not clear.
【技术实现步骤摘要】
一种基于心血管IVOCT图像的组织分类方法和装置
本专利技术属于生物组织成像技术,具体涉及一种基于心血管IVOCT图像的组织分类方法和装置。
技术介绍
活检是一种常见的医学检验,病理学医师在显微镜下观察从受试者处取得的组织样本,以确定疾病性质或程度。一般来说,需要将组织切成极薄的切片并且染色,然后才能在显微镜下进行观察。光学相干断层扫描技术(OCT)是一种无损光学成像模式的替代方案,无需染色也能够提供活检样品组织的三维高清图像。光学相干显微镜(OCM)结合了OCT和共焦显微镜的优点,提供高分辨率细胞图像。正常的动脉具有由内膜、中膜和外膜构成的均匀层状结构,但当血管发生病变时,血管内则会包含不同类型组织,因此,需要对该些不同组织进行分类和检测,然而,直至目前为止,对这些组织的检测以及分类还主要依赖人工,非常的费时。现有技术中提出了一种用于生物医学图像分割的卷积网络,该方法采用一个收缩路径来捕捉内容,一个放大路径来精准定位,两个路径构成U形,称为U-Net,但U-Net最终输出的图片分辨率会略小于原图,导致图像信息损失,不能真实还原组织结构。因此,设计一种能够自动检测节省人力,且能够减少图像信息损失的组织分类方法是本领域的技术热点。
技术实现思路
针对以上存在的问题,本专利技术提出了一种基于心血管IVOCT图像的组织分类方法和装置,具体的实施方式如下。本专利技术实施例提供一种基于心血管IVOCT图像的组织分类方法,其中,所述方法包括:步骤1、获取多个已标记的IVOCT图像;步骤2、建立IVOCT图像样本集,将所述IVOCT图像样本集分为训练样本集和测试样本集;步骤 ...
【技术保护点】
一种基于心血管IVOCT图像的组织分类方法,其特征在于,所述方法包括:步骤1、获取多个已标记的IVOCT图像;步骤2、建立IVOCT图像样本集,将所述IVOCT图像样本集分为训练样本集和测试样本集;步骤3、构建卷积神经网络结构;步骤4、利用所述训练样本集对所述卷积神经网络进行训练,以获取CNN模型;步骤5、将所述测试样本集输入所述CNN模型,获取不同组织对应的组织类型图。
【技术特征摘要】
1.一种基于心血管IVOCT图像的组织分类方法,其特征在于,所述方法包括:步骤1、获取多个已标记的IVOCT图像;步骤2、建立IVOCT图像样本集,将所述IVOCT图像样本集分为训练样本集和测试样本集;步骤3、构建卷积神经网络结构;步骤4、利用所述训练样本集对所述卷积神经网络进行训练,以获取CNN模型;步骤5、将所述测试样本集输入所述CNN模型,获取不同组织对应的组织类型图。2.根据权利要求1所述的基于心血管IVOCT图像的组织分类方法,其特征在于,所述步骤2包括,步骤21、分别对每一张所述已标记的IVOCT图像进行多种形式的变换,以获取多张变换后的图像,将多张所述变换后的图像中的每一张设为一个样本;其中,所述多种形式的变换包括剪裁、平移、翻转、旋转、变形和灰度值变化中的一种或者组合;步骤22、将所述多个样本设为所述IVOCT图像样本集。3.根据权利要求2所述的基于心血管IVOCT图像的组织分类方法,其特征在于,所述步骤4之前还包括:根据病变血管包含的组织类型设置训练标签,所述训练标签包括分割标签和边界标签,所述分割标签和所述边界标签均用于对所述卷积神经网络进行训练。4.根据权利要求3所述的基于心血管IV...
【专利技术属性】
技术研发人员:朱锐,李嘉男,曹一挥,薛婷,
申请(专利权)人:西安中科微光影像技术有限公司,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。