一种疾病视网膜光学相干断层影像仿真生成方法技术

本发明专利技术提供了一种具有可行性和有效性的视网膜OCT疾病影像生成的方法，生成的OCT影像可用于扩充OCT疾病影像分类算法的训练数据集；该方法以条件生成对抗网络cGAN为基础，网络结构由生成器与判别器组成，通过将生成对抗损失函数cGAN loss与一种新型结构相似性损失函数SSIM loss相结合，将正常视网膜OCT影像转化成可用于补充分类模型训练集的OCT疾病影像。

A Method of Optical Coherence Tomography Images Generation for Disease Retina

The invention provides a feasible and effective method for generating retinal OCT disease image, which can be used to expand training data set of OCT disease image classification algorithm. The method is based on conditional generation of antagonistic network cGAN, and the network structure is composed of generator and discriminator. By generating antagonistic loss function cGAN loss, the method is similar to a new structure. The loss function SSIM loss is combined to transform the normal retinal OCT image into OCT disease image which can be used to supplement the training set of classification model.

【技术实现步骤摘要】
一种疾病视网膜光学相干断层影像仿真生成方法
本专利技术涉及一种疾病视网膜光学相干断层影像仿真生成方法，属于视网膜图像的仿真生成

技术介绍
光学相干断层成像(OCT)能够显示眼底组织的断层图像，是一种有效的眼科疾病影像诊断技术。随着人工智能的迅速发展与医疗行业的深入结合，精准、大计算量的OCT眼科疾病影像自动分类算法能辅助医生发现疾病，提高医院工作效率。目前，OCT眼科疾病影像自动分类算法以大量眼科疾病影像数据为基础，组成的数据集用于训练并测试分类模型。但是，获取OCT眼科疾病数据过程复杂，尽管正常的视网膜OCT影像数量充足，但疾病图像数量却与之相差甚远，且不同种类疾病的影像数据量也大不相同。较少的数据量、数量差异较大的数据集都对训练模型会产生较大的不利影响，所以，可以用一种视网膜OCT疾病影响仿真生成算法，生成用于训练分类模型的图像，以便扩充训练集的数据量，弥补不同疾病数据数量上的不均衡，提高自动分类算法的准确率。目前的图像仿真生成算法存在以下的缺陷：(1)大部分算法用于人脸或生活场景等非医学影像的生成，针对视网膜OCT疾病影像生成的算法很少，且部分不同种疾病的OCT影像差本文档来自技高网...

【技术保护点】
1.一种疾病视网膜光学相干断层影像仿真生成方法，其特征在于：包括如下步骤，(1)训练数据集的建立：将正常的视网膜OCT影像xi与带有疾病的视网膜OCT影像yi组成一系列成对的影像{(xi,yi)}，形成训练的数据集；(2)建立模型的网络结构：所述网络结构以cGAN为基础，包括生成器G与判别器D两个神经网络；将步骤(1)中建立的成对数据集送到生成器中进行训练，生成器将正常OCT影像转换成疾病OCT影像，生成的图像连同原始图像一起输入至判别器；判别器的另一组输入是配对的原始图像与真实图像；最终，判别器将输入图片映射为一个标量，该标量代表着输入图像是真实图像的概率，反向传输给生成器后，对生成器网络进...

【技术特征摘要】
1.一种疾病视网膜光学相干断层影像仿真生成方法，其特征在于：包括如下步骤，(1)训练数据集的建立：将正常的视网膜OCT影像xi与带有疾病的视网膜OCT影像yi组成一系列成对的影像{(xi,yi)}，形成训练的数据集；(2)建立模型的网络结构：所述网络结构以cGAN为基础，包括生成器G与判别器D两个神经网络；将步骤(1)中建立的成对数据集送到生成器中进行训练，生成器将正常OCT影像转换成疾病OCT影像，生成的图像连同原始图像一起输入至判别器；判别器的另一组输入是配对的原始图像与真实图像；最终，判别器将输入图片映射为一个标量，该标量代表着输入图像是真实图像的概率，反向传输给生成器后，对生成器网络进行优化；(3)损失函数的组成：所述损失函数包括两个部分，其一是cGAN对应的cGAN对抗损失函数，其二是针对眼科疾病影像提出的结构相似性损失函数；将两个函数结合起来不断训练步骤(2)中建立的模型。2.根据权利要求1所述的一种疾病视网膜光学相干断层影像仿真生成方法，其特征在于：所述正常的视网膜OCT影像与带有疾病的视网膜OCT影像拼接时，左边是正常OCT影像，右边是疾病OCT影像。3.根据权利要求1所述的一种疾病视网膜光学相干断层影像仿真生成方法，其特征在于：所述生成器与判别器的目标对立统一，训练过程如下，生成器尽可能地让生成的图像...

【专利技术属性】
技术研发人员：陈新建，查雪玮，石霏，朱伟芳，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32