基于边界增强的OCT图像脉络膜层结构分割方法及存储介质技术

本发明专利技术公开了一种基于边界增强的OCT图像脉络膜层结构分割方法及存储介质，OCT图像脉络膜层结构分割方法包括：获取输入图像的边缘关键点并生成边界增强软图；构建边界增强模块，分别从三个角度：空间、特征和通道对图像中脉络膜层的边界信息进行增强并提取；将所述边界增强模块嵌入编码

【技术实现步骤摘要】
基于边界增强的OCT图像脉络膜层结构分割方法及存储介质

：
[0001]本专利技术涉及一种基于边界增强的OCT图像脉络膜层结构分割方法及存储介质，属于图像处理领域，可用于辅助脉络膜相关疾病分析。

技术介绍
：
[0002]临床医学研究表明，高度近视的病理过程会出现脉络膜的形态学变化。高度近视的眼轴增长所产生的机械牵拉导致视网膜和脉络膜变薄，并引发眼底的多种病理性改变，最终演变为高度近视最严重的类型，即病理性近视。近年来我国也开始对儿童近视或高度近视进行大规模防控和干预。而近视病理机制十分复杂，现阶段还没有明确的定论。
[0003]目前，对高度近视诊疗的常用手段是对脉络膜厚度变化的进行分析。通常以光学相干断层扫描成像(OCT)技术为载体，对黄斑区及视杯视盘区脉络膜厚度进行检测并分析。但脉络膜整体的厚度指标难以全面反映脉络膜结构的特征性改变。随着光学相干断层扫描技术的发展，临床专家观察到了更多高度近视患者的脉络膜形态结构的细节性改变，例如脉络膜层结构厚度变化。对OCT图像中的脉络膜结构进行精准提取实现量化分析，有助于监测高度近视患者其眼底病理性改变的发生。因此，基于OCT图像的脉络膜形态结构变化分析可作为高度近视筛查、诊断和病程评估及预测的重要依据。
[0004]而目前，对脉络膜形态结构的量化分析很大程度上依赖于临床专家的在二维图像上的人工分析。由于临床专家的人工分析费时费力，因此对脉络自动分割分析算法的需求十分迫切。而当前的脉络膜层的自动分割及分析工作相对较少，公开号为CN112712520A的专利技术申请提出了一种基于ARU
‑
Net脉络膜层分割方法，用以对脉络膜层进行分割，以获取脉络膜层边界；公开号CN110517235A的专利技术申请提出了一种基于GCS
‑
Net进行OCT图像脉络膜自动分割方法，以上虽都属于用于OCT图像的脉络膜自动分割方法，但还有很大的改进空间。脉络膜层结构分割任务面临着严峻的挑战：其一是OCT图像上存在血管伪影和光衰减效应，脉络膜和巩膜边界对比度相对较低，很难准确检测脉络膜轮廓；其二是边界信息在层结构的全局信息中占比较小，极容易被分割网络所忽略。因此，亟需寻找一种针对边界增强的OCT图像脉络膜层分割方法。

技术实现思路

[0005]针对现有技术的不足，本专利技术提出一种基于边界增强的OCT图像脉络膜层分割方法及存储介质，为高度近视筛查、诊断和病程评估及预测的重要依据。
[0006]本专利技术实现上述目的的技术方案如下：
[0007](1)针对待分割的OCT图像，利用专家标注信息提取脉络膜层边界，并利用增强点搜寻法获取边界增强点，同时生成边界增强软图；
[0008](2)构建边界增强模块，分别从三个角度：空间、特征和通道对图像中脉络膜层的边界信息进行增强并提取；
[0009](3)将所述的边界增强模块嵌入编码
‑
解码结构的分割网络，得到具有边界信息保
持特征的预测分割对象；
[0010](4)利用所述的边界增强软图与预测分割对象采用边界感知损失模块得到脉络膜层的分割结果。
[0011]优选地，所述步骤(1)中，通过如下方法提取边界增强点并生成边界增强软图：
[0012](1
‑
1)在脉络膜层边界上随机选取点，并计算各点连接后形成连通区域面积与脉络膜层的重合度，在循环n次后，保留重合度最高的边界增强点。
[0013](1
‑
2)以提取的边界增强点为中心，中心区域灰度值置为1，最外侧位置置为0，区域内灰度值由中心到边界呈高斯分布，生成边界增强软图。
[0014]N为整数，其值根据OCT图像的大小设定，作为优选，所述n的取值为30000～40000。
[0015]优选地，所述步骤(2)中的边界增强模块，通过如下步骤对该模块进行设计使其获得提取并增强边界信息的能力：
[0016](2
‑
1)对输入该模块的特征图，使用不同膨胀率大小的空洞卷积，提取不同感受野大小的脉络膜边界信息；
[0017](2
‑
2)采用特殊激活函数，对图像的脉络膜层边界信息进行激活，强化脉络膜边界信息；
[0018](2
‑
3)采用全局平均池化操作，提取特征图的通道加权向量，对不同通道的脉络膜边界信息进行增强。
[0019]进一步地，所述步骤(2
‑
1)中使用的膨胀率大小分别为1、2、4、6，最终提取的脉络膜边界信息用公式表达如下所示：
[0020][0021]其中表示膨胀率为r、卷积核大小为s
×
s的空洞卷积函数，f
i
表示第i个卷积块的输入特征映射。
[0022]进一步地，所述步骤(2
‑
2)中的激活函数采取如下所示的激活函数：
[0023][0024]其中f
i
表示第t个卷积块的输入特征映射，C2D1代表1
×
1的卷积操作，S代表sigmoid函数。
[0025]进一步地，所述步骤(2
‑
3)中的通道加权采用核大小为3的一维卷积操作。
[0026]优选地，使用U
‑
Net网络作为所述步骤(3)中的编码
‑
解码器架构网络。
[0027]优选地，步骤(3)中通过如下方法将边界增强模块嵌入编码
‑
解码结构的分割网络：
[0028](3
‑
1)选择m个边界增强模块，按照一定比例分别嵌入U
‑
Net的编码器部分以及解码器部分；
[0029](3
‑
2)每个边界增强模块的输入图像均为前阶段U
‑
Net网络的输出特征图。
[0030]m根据图像的大小以及数据量设定，作为优选，所述m的取值为4～6。
[0031]优选地，所述步骤(4)中的边界感知损失模块采用的主干网络为VGG
‑
19网络。
[0032]优选地，所述分割网络采用包含分割图预测损失、边界增强软图预测损失和边界感知预测损失的联合损失函数。
[0033]进一步地，分割图预测损失采取交叉熵损失，边界增强软图预测损失采用的是均方误差损失，边界感知预测损失函数如下所示：
[0034][0035]其中表示第i个经过感知损失模块后的输出特征图，S
GT
表示专家标注的分割金标准图像，为经分割网络预测的分割结果图，M
GT
为边界点图的金标准，N
i
为通道加权向量，
⊙
代表拼贴操作。
[0036]相应地，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如上所述的任一种OCT图像脉络膜层结构分割方法。
[0037]本专利技术技术方案通过生成脉络膜层边界增本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边界增强的OCT图像脉络膜层结构分割方法，其特征在于，至少包括如下步骤：S1.利用OCT图像中专家标注的脉络膜边界，自动提取边界增强点并生成边界增强软图；S2.分别从空间、特征和通道三个角度构建边界增强模块，对OCT图像中脉络膜层的边界信息进行增强并提取；S3.将步骤S2所述边界增强模块嵌入编码
‑
解码结构的分割网络，根据输入图像特征输出具有边界信息保持特征的预测分割对象；S4.构建边界感知损失模块对所述边界增强软图和预测分割对象进行边界增强，最后输出脉络膜层结构的分割结果。2.根据权利要求1所述的基于边界增强的OCT图像脉络膜层结构分割方法，其特征在于，步骤S1通过如下方法自动提取边界增强点：在专家标注的脉络膜层边界上随机选取点，并计算各点连接后形成连通区域面积与脉络膜层重合度，在循环若干次后，保留重合度最高的点作为边界增强点；和/或，所述生成边界增强软图包括：以边界增强点为中心，中心区域灰度值置为1，最外侧位置灰度值置为0，区域内灰度值由中心到边界呈高斯分布。3.根据权利要求1所述的基于边界增强的OCT图像脉络膜层结构分割方法，其特征在于，步骤S2所述分别从空间、特征和通道三个角度构建边界增强模块包括：从空间增强角度，采用空洞卷积方法，提取不同感受野大小的脉络膜边界信息；从特征增强角度，采用针对边界信息的激活函数，对边界信息进行激活，强化脉络膜边界信息；从通道增强角度，采用池化操作，提取特征图的通道加权向量，对不同通道的脉络膜边界信息进行增强。4.根据权利要求3所述的基于边界增强的OCT图像脉络膜层结构分割方法，其特征在于：所述空洞卷积方法中，提取的脉络膜边界信息用公式表达如下所示：其中表示膨胀率为r、卷积核大小为s
×
s的空洞卷积函数，f
i
表示第i个卷积块的输入特征映射；和/或，所述激活函数公式如下所示：其中f
i
表示第...

【专利技术属性】
技术研发人员：阎岐峰，赵一天，马韶东，谢建洋，岳星宇，
申请(专利权)人：中国科学院宁波材料技术与工程研究所，
类型：发明
国别省市：