结合先验掩膜的OCT图像脉络膜分割模型构建方法及应用技术

本发明专利技术公开了一种结合先验掩膜的OCT图像脉络膜分割模型构建方法及应用，本发明专利技术包括数据预处理，通过裁剪，调整比例，再裁剪，统一数据尺寸；再通过标注分别生成脉络膜的两个阶段掩膜；为了解决图像背景复杂的问题，设计了级联结构的多阶段分割网络，第一阶段先分割BM层以下部分，去除上方背景干扰，第二阶段在精细分割脉络膜；为了解决脉络膜纹理不均且下方边界模糊的问题，设计了多尺度上下文聚合模块；最后为了优化级联网络的训练过程，设计了自适应的跨阶段特征融合模块。本发明专利技术充分利用了光学相干断层扫描图像本身信息，并且能够有效捕捉图像的多尺度信息以及上下文信息，提升了光学相干断层扫描图像脉络膜分割效果。学相干断层扫描图像脉络膜分割效果。学相干断层扫描图像脉络膜分割效果。

【技术实现步骤摘要】
结合先验掩膜的OCT图像脉络膜分割模型构建方法及应用


[0001]本专利技术涉及一种结合先验掩膜的OCT图像脉络膜分割模型构建方法及应用。

技术介绍

[0002]脉络膜位于视网膜和巩膜之间，是一层柔软光滑、具有弹性和富有血管的棕色薄膜，它能够为视网膜提高氧气和营养。并且研究表明，脉络膜的形态与主要的眼部疾病如青光眼、年龄相关性黄斑变形(AMD)、病理性近视、糖尿病视网膜病变(DR)等相关程度很高。传统的眼底摄影、激光扫描眼底照相等检查属于二维成像模式，无法准确反映脉络膜的病变情况，而光学相干断层扫描(OCT)成像是一种活体断层高分辨率成像技术，能反映视网膜的三维解剖结构信息，极大地改善了脉络膜病灶细节的可视化。OCT成像以低相干光干涉原理获得视网膜断层图像，同时可以进行视网膜三维重建，医生能够通过分析OCT图像来清晰区分视网膜各层。
[0003]传统的脉络膜分割方法大多是基于图搜索的，这受到合适的图边缘权重选择的限制，一旦选择不当就会导致分割结果不精确，因此，往往需要进行手动检查和校正，十分繁琐。随着近些年来深度学习技术的兴起，卷积神经网络已被证明具有强大的图像分割能力。但尽管如此，脉络膜自动分割技术的发展仍不成熟，主要是由于存在以下的缺陷和不足：(1)脉络膜下边界是较为模糊不清，直接分割难度大；(2)脉络膜区域存在血管的结构，使得其具有不均匀的纹理和强度。

技术实现思路

[0004]本专利技术针对现有技术的不足，提出一种结合先验掩膜的OCT图像脉络膜分割模型构建方法及应用。
[0005]为实现上述目的，本专利技术包括以下步骤：
[0006]本专利技术的一方面提供了一种结合先验掩膜的OCT图像脉络膜分割模型构建方法，该方法包括如下步骤：
[0007]步骤1)通过预处理统一OCT图像尺寸；
[0008]步骤2)掩膜生成，包括第一阶段掩膜和第二阶段掩膜；
[0009]步骤3)构建基于编码
‑
解码结构的级联分割网络；
[0010]所述级联分割网络包括两个编码
‑
解码网络，两个编码
‑
解码网络之间采用语义预测指导模块进行连接；其中第一个编码网络由2个残差卷积模块和3个多尺度上下文聚合模块组成，第二个编码网络由5个卷积模块组成；解码网络均由4个上采样卷积模块组成；
[0011]步骤4)将步骤1)中处理好的图像数据以及步骤2)中生成的掩膜进行数据增强后输入到级联分割网络，并采用ADAM算法进行训练，得到可用于光学相干断层扫描图像脉络膜分割网络模型。
[0012]进一步说，还包括提取步骤4)中训练好的模型，用步骤1)中处理好的数据进行测试，并用准确率、精确率、交并比、Dice系数以及豪斯多夫距离评估分割结果。
[0013]进一步说，第二个编码网络与第二个解码网络之间每个尺度的跳过连接都插入自适应跨阶段融合模块来融合前一阶段的特征。
[0014]进一步说，所述多尺度上下文聚合模块对特征图进行分组，再对组间采用残差连接生成不同尺度的特征；对不同尺度的特征进行展开变成一维特征，并进行位置编码；对编码后的特征进行拼接，送入可变形自注意力层建模不同尺度的上下文关系。
[0015]进一步说，所述的自适应跨阶段融合模块对来自不同阶段的特征图进行融合的方法为：采用通道注意力机制为来自不同阶段的特征选择合适的注意力权重，并采用一定比例的Dropout避免过拟合。
[0016]本专利技术的另一方面还提供了一种利用上述构建的结合先验掩膜的OCT图像脉络膜分割模型在脉络膜分割中的应用。
[0017]本专利技术的有益效果：
[0018]本专利技术将脉络膜分割任务分解为级联任务进行联合学习，解决了直接分割脉络膜区域难度较大的问题。同时该级联能够极大程度避免脉络膜上方背景的干扰，使网络专注于下方区域识别，从而增强模型的边界感知能力。
[0019]本专利技术中采用的多尺度上下文聚合模块，能够有效捕捉OCT图像的多尺度上下文信息，在纹理和强度不均匀的脉络膜区域依然能够很好的进行识别。
[0020]本专利技术中采用的自适应跨阶段融合模块，能够有效融合两个阶段的特征，很好地缓解了级联网络梯度衰减的问题，有效地优化了模型的训练过程。
附图说明
[0021]图1为掩膜生成流程图；
[0022]图2为整体网络结构图；
[0023]图3为多尺度上下文聚合模块(MSCA模块)结构示意图；
[0024]图4为自适应跨阶段特征融合模块(ACSFF模块结构示意图)；
[0025]图5为不同分割网络的脉络膜分割结果图。
具体实施方式
[0026]下面结合附图和具体实施例对本专利技术作进一步的说明。
[0027]在本专利技术之前，现有技术中U
‑
net通过编解码的形式来实现图像分割，已被证明在很多医学图像分割任务上表现优异。但本专利技术考虑到由于OCT图像对比度低，脉络膜纹理不均匀且下界较为模糊，使得U
‑
net在此分割任务上表现不佳。为适应该分割任务的特殊性，本专利技术结合了OCT图像结构信息，设计了级联分割的模型结构，将脉络膜分割任务分解成两个阶段分割，第一阶段先分割布鲁赫氏膜(BM)以下部分，第二阶段再利用第一阶段的结果精细分割脉络膜，通过从易到难使网络更好地学习到图像的特征。
[0028]本专利技术实施例的包括以下步骤：
[0029]1)由于原始收集到的OCT图像尺寸不一，且含有较多无关信息，并不能直接输入到网络中进行训练，因此对其进行预处理至统一尺寸。
[0030]首先通过裁剪截去眼底图像部分，再按照原图的比例进行调整，最后以图像中心像素为中心进行裁剪和缩放得到224
×
224大小的图像数据，再使用ImageJ软件对脉络膜的
上下边界进行标注，该数据集由1062张含有金标准的来自高度近视病人的OCT图像组成。
[0031]2)使用canny算子对标注完的数据进行边界提取。
[0032]首先提取上边界BM的位置，再对图像进行二值化将上边界上方的区域的像素值变为0，下方区域为1，生成第一阶段掩膜。
[0033]第二阶段掩膜由标注数据提取出来的上下边界进行二值化得到，上下边界内的像素赋值为1，边界外的像素赋值为0，生成第二阶段掩膜。掩膜生成流程如图1所示。
[0034]3)构建基于编码
‑
解码结构的级联分割网络。
[0035]所述级联分割网络包括两个编码
‑
解码网络(如图2所示)，以E1
‑
D1，E2
‑
D2来进行表示。两个编码
‑
解码网络之间采用语义预测指导模块(SPG)进行连接。E1主要由2个残差卷积模块(Res2Block)和3个多尺度上下文聚合模块(MSCA)组成，E2由5个卷积模块构成。D1、D2都由4个上采样卷积模块组成，并且对于E2
‑
D2之间每个尺度的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.结合先验掩膜的OCT图像脉络膜分割模型构建方法，其特征在于，该方法包括如下步骤：步骤1）通过预处理统一OCT图像尺寸；步骤2）掩膜生成，包括第一阶段掩膜和第二阶段掩膜；步骤3）构建基于编码
‑
解码结构的级联分割网络；所述级联分割网络包括两个编码
‑
解码网络，两个编码
‑
解码网络之间采用语义预测指导模块进行连接；其中第一个编码网络由2个残差卷积模块和3个多尺度上下文聚合模块组成，第二个编码网络由5个卷积模块组成；解码网络均由4个上采样卷积模块组成；步骤4）将步骤1）中处理好的图像数据以及步骤2）中生成的掩膜进行数据增强后输入到级联分割网络，并采用ADAM算法进行训练，得到可用于光学相干断层扫描图像脉络膜分割网络模型。2.根据权利要求1所述的结合先验掩膜的OCT图像脉络膜分割模型构建方法，其特征在于，还包括提取步骤4）中训练好的模型，用步骤1）中处理好的数据进行测试，并用准确率、精确率、交并比...

【专利技术属性】
技术研发人员：杨泽华，王亚奇，贾刚勇，顾人舒，金凯，叶娟，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：