一种基于卷积循环神经网络的AS-OCT图像的房角分类方法技术

本发明专利技术公开一种基于卷积循环神经网络的AS

【技术实现步骤摘要】
一种基于卷积循环神经网络的AS
‑
OCT图像的房角分类方法


[0001]本专利技术涉及一种基于深度学习的AS
‑
OCT图像的分类方法，属于图像处理领域，不仅可以从单张AS
‑
OCT图像中判断开角和闭角型青光眼，还可以从AS
‑
OCT图像序列中识别动态特征，进而实现准确的开、窄和粘连ACA分类。

技术介绍

[0002]青光眼、白内障和糖尿病视网膜病变合称致盲的“三大杀手”。据统计，在全球范围内，青光眼是第二大致盲性眼科疾病，致盲率仅次于白内障。不仅如此，青光眼也是世界上首位不可逆的眼科疾病，其中，70％青光眼患者将最终失去光明，成为盲人。青光眼的不可逆转性是因为青光眼疾病会导致一系列视神经受损，从而造成视力逐渐衰退或完全丧失的眼疾病。青光眼通常以眼压骤然升高、眼底视神经萎缩和视力大幅度下降作为其显著的生理特征。然而，对于青光眼患者而言，当发现视力大幅下降、很难看清事物时，患者往往已经处于病情的晚期阶段，视野缺损极度严重，病情不可复原。因此，早期的青光眼诊断和治疗对于减缓患者病本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积循环神经网络的AS
‑
OCT图像的房角分类方法，其特征在于包括如下步骤：1)分别采集黑暗和明亮光照条件下的AS
‑
OCT图像，得到两个AS
‑
OCT图像序列；2)使用全局扫描对齐方法分别对两个AS
‑
OCT图像序列进行对齐操作；3)采用深度学习分割算法对虹膜进行分割，由虹膜根部确定ACA区域，分别得到黑暗和明亮光照条件下ACA区域的AS
‑
OCT图像序列；4)构建卷积循环神经网络，分别将黑暗和明亮光照条件下ACA区域的AS
‑
OCT图像序列输入卷积循环神经网络，提取二维图像特征，并对两种光照条件下的二维图像特征序列进行动态分析，最后将两种光照条件下获得的动态特征融合并进行ACA分类。2.如权利要求1所述的基于卷积循环神经网络的AS
‑
OCT图像的房角分类方法，其特征在于步骤1)具体包括如下步骤：首先定义一个平移量(Δx，Δy)，其中Δx为水平方向平移，Δy为垂直方向平移，并应用于所有连续的OCT扫描；假设B
i
是参考扫描图像，B
i
与其先前的扫描图像B
i
‑1对齐，使用迭代搜索方法从相邻点迭代搜索进行B
i
和B
i
‑1之间的对齐，直到B
i
和B
i
‑1之间的差达到稳定值，即：假设一个将目标函数最小化的平移量(Δx，Δy)，如下所示：3.如权利要求2所述的基于卷积循环神经网络的AS
‑
OCT图像的房角分类方法，其特征在于所述迭代搜索方法为diamond搜索，采用两种搜索模式，第一种模式是由9个相邻点组成的大型迭代菱形搜索模式LDSP，第二种模式是由5个相邻点组成的小菱形搜索模式SDSP；首先采用LDSP进行搜索，直到B
i
和B
i
‑1之间的差达到最小值；然后使用SDSP进行搜索，确定B
i
和B
i
‑1之间的最佳匹配，即最小差的位置。4.如权利要求1所述的基于卷积循环神经网络的AS
‑
OCT图像的房角分类方法，其特征在于步骤2)采用U
‑
Net算法对虹膜区域进行分割，虹膜根部由分割后的虹膜区域的最左侧或最右侧像素定位得到，虹膜根部为ACA区域的中心。5.如权利要求1所述的基于卷积循环神经网络的AS
...

【专利技术属性】
技术研发人员：郝华颖，赵一天，蒋珊珊，李飞，张秀兰，刘江，
申请(专利权)人：中国科学院宁波材料技术与工程研究所中山大学中山眼科中心，
类型：发明
国别省市：