一种基于个性化的层级卷积神经网络的CNV分割方法技术

本发明专利技术公开一种基于个性化的层级卷积神经网络的CNV分割方法,涉及数据处理技术领域；根据OCT图像训练集中CNV的图像占比将CNV标记为一型CNV或二型CNV，建立类型预判子网络，通过对OCT图像训练集进行训练，获得类型预判子网络的参数，建立一型CNV的增强网络，将一型CNV的图像转化成二型CNV的图像，将二型CNV的图像作为训练集进行训练，得到分割网络；将测试图像输入到层级卷积神经网络中，得到最终的分割结果。

A CNV Segmentation Method Based on Personalized Hierarchical Convolutional Neural Network

【技术实现步骤摘要】
一种基于个性化的层级卷积神经网络的CNV分割方法
本专利技术公开一种基于个性化的层级卷积神经网络的CNV分割方法,涉及数据处理

技术介绍
脉络膜新生血管(ChoroidalNeoVascularisation，CNV)已成为致盲的主要因素之一。OCT图像是脉络膜新生血管辅助检查的常用工具之一。OCT图像灰度分布不均，CNV边缘模糊且形状大小不规则，使得现有分割方法很难取得令人满意的性能。针对现有方法难以精确分割CNV问题，本专利技术提出了一种基于个性化的层级卷积神经网络的CNV分割方法，提出的网络主要由三个子网络构成，第一个子网络是类型预判网络，通过对CNV的图像占比进行预测，将CNV分为一型和二型，一型表示CNV在图像占比较小，其余为二型。第二个子网络是一型增强网络，该网络主要对一型CNV进行超分辨率生成，从而提高后期对该类CNV的分割精度。该子网络使用TP-GAN。第三个子网络即分割网络，实现对CNV的分割。相比较现有方法，提出的网络能够显著提高CNV的分割精度，尤其是提高二型CNV的分割精度。
技术实现思路
本专利技术针对现有技术的问题，提供一种基于个性化的层级卷积神经网本文档来自技高网...

【技术保护点】
1.一种基于个性化的层级卷积神经网络的CNV分割方法，其特征是根据OCT图像训练集中CNV的图像占比将CNV标记为一型CNV或二型CNV，建立类型预判子网络，通过对OCT图像训练集进行训练，获得类型预判子网络的参数，建立一型CNV的增强网络，将一型CNV的图像转化成二型CNV的图像，将二型CNV的图像作为训练集进行训练，得到分割网络；将测试图像输入到层级卷积神经网络中，得到最终的分割结果。

【技术特征摘要】
1.一种基于个性化的层级卷积神经网络的CNV分割方法，其特征是根据OCT图像训练集中CNV的图像占比将CNV标记为一型CNV或二型CNV，建立类型预判子网络，通过对OCT图像训练集进行训练，获得类型预判子网络的参数，建立一型CNV的增强网络，将一型CNV的图像转化成二型CNV的图像，将二型CNV的图像作为训练集进行训练，得到分割网络；将测试图像输入到层级卷积神经网络中，得到最终的分割结果。2.根据权利要求1所述的方法，其特征是利用Resnet作为类型预判子网络，通过误差逆传播和梯度下降法对OCT图像训练集进行训练，获得类型预判子网络的参数。3.根据权利要求1或2所述的方法，其特征是利用TP-GAN建立一型CNV的增强网络，将一型CNV的图像进行超分辨率转换，通过学习一型CNV的图像的超分辨率特点，利用一型CNV的图像生成二型CNV的超分辨率图像。4.根据权利要求3所述的方法，其特征是将二型CNV的图像作为训练集利用全卷积神经网络进行训练，得到分割网络。5.根据权利要求1或4所述的方法，其特征是将测试图像输入到层级卷积神经网络中，先经过类型预判子网络对CNV的类型进行预判，如果是一型CNV的图像，则将一型CNV的图像输入到一型CNV增强网络中，生成对应的二型CNV的超分辨率图像，再输入到分割网络进行分割，得到最终的分割结果；如果是二型CNV的图像，则输入到分割网络进行分割，得到最终的分割结果。6.一种基于个性化的层级卷积神经网络的CNV分割工具，其特征是包括标...

【专利技术属性】
技术研发人员：于治楼，袭肖明，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37