用于光学相干断层扫描分割的深度学习制造技术

呈现了用于提供用于分割光学相干断层扫描(OCT)图像的机器学习模型的系统和方法。获得第一OCT图像，并且然后使用图形搜索算法用与所述第一OCT图像中的不同组织相关联的识别边界来标记所述第一OCT图像。提取经标记的第一OCT图像的部分以生成第一多个图像图块。通过操纵来自所述第一多个图像图块的至少一个图像图块，如通过旋转和/或翻转所述至少一个图像图块，生成第二多个图像图块。使用所述第一多个图像图块和所述第二多个图像图块来训练所述机器学习模型。使用经训练的机器学习模型在第二OCT图像中执行分割。型在第二OCT图像中执行分割。型在第二OCT图像中执行分割。

【技术实现步骤摘要】
【国外来华专利技术】用于光学相干断层扫描分割的深度学习
[0001]背景


[0002]本披露内容涉及图像处理，并且更具体地涉及根据本披露内容的各种实施例使用机器学习模型来执行生物医学图像分割。

技术介绍

[0003]在如眼科等某些生物医学领域中，患者的身体部位(例如，眼睛)的图像(例如，x射线图像、光学相干断层扫描(OCT)图像等)可以被捕获并进行分析，以确定对患者的诊断。当分析图像时，对图像内元素的自动分割可以将定性图像转换为有助于诊断和手术指导两者的定量测量值。然而，自动图像分割可能具有挑战性。例如，由于图像上出现的如散斑等伪像，因此OCT图像中不同类型组织之间的连续薄边界可能变得不连续，这使得自动识别OCT图像中的不同类型组织具有挑战性。此外，复杂的病理状况也可能使图像分割具有挑战性。
[0004]常规分割算法依赖于对问题的明确描述以及用于解决该问题的详细步骤(例如，由算法设计者提供的明确规则)。这种方法对于从正常受试者(没有疾病的患者)获得的图像非常有效，这些正常受试者的解剖结构遵循可以根据规范人类数据库建立的规则。然而，对于患有不同疾病的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，包括：非暂态存储器；以及一个或多个硬件处理器，所述一个或多个硬件处理器与所述非暂态存储器耦接并且被配置成从所述非暂态存储器读取指令以使所述系统执行操作，所述操作包括：获得光学相干断层扫描(OCT)图像；基于边缘检测算法或手动注释来确定所述OCT图像中的边缘；基于所述OCT图像来生成多个图像图块；通过操纵所述多个图像图块中的至少一个图像图块来生成多个附加图像图块；以及基于所述多个图像图块和所述多个附加图像图块来训练用于预测OCT图像中的边缘的机器学习模型。2.如权利要求1所述的系统，其中，所述操纵所述至少一个图像图块包括以下中的至少一项：旋转所述至少一个图像图块或沿轴线翻转所述至少一个图像图块。3.如权利要求2所述的系统，其中，所述多个附加图像图块包括与将所述至少一个图像图块旋转0度、90度、180度和270度相对应的图像图块。4.如权利要求2所述的系统，其中，所述多个附加图像图块包括与沿竖直轴线或水平轴线中的至少一者翻转所述至少一个图像图块相对应的图像图块。5.如权利要求1所述的系统，其中，所述边缘检测算法包括图形搜索算法。6.如权利要求1所述的系统，其中，所述机器学习模型包括深度卷积神经网络。7.如权利要求1所述的系统，其中，所述操作进一步包括使用经训练的机器学习模型来预测第二OCT图像中的边缘。8.一种方法，包括：获得生物医学图像；基于边缘检测算法来确定所述生物医学图像中不同组织的边界；基于所述生物医学图像来生成第一多个图像图块；通过操纵所述第一多个图像图块中的至少一个图像图块来生成第二多个图像图块；以及由一个或多个硬件处理器基于所述第一多个图像图块和所述第二多个图像图块来训练用于分割生物医学图像的机器学习模型。9.如权利要求8所述的方法，其中，所确定的边界与所述生物医学图像中眼睛的前角膜层相对应。10.如权利要求8所述的方法，其中，所述生成所述第一多个图像图块包括将所述生物医学图像划分成图像分块。11.如权利要求10所述的方法，进一步包括分析所述生物医学图像的一个或多个特性，其中，所...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：爱尔康公司，
类型：发明
国别省市：