基于深度学习的OCT和OCTA成像转换FFA造影图像的方法技术

本发明专利技术提供了基于深度学习的OCT和OCTA成像转换FFA造影图像的方法，涉及医学影像处理技术领域，本方法包括步骤S1：获取患者眼部目标位置的OCT图像和OCTA图像；S2：对OCT B

【技术实现步骤摘要】
基于深度学习的OCT和OCTA成像转换FFA造影图像的方法


[0001]本专利技术涉及医学影像处理
，具体而言，涉及基于深度学习的OCT和OCTA成像转换FFA造影图像的方法。

技术介绍

[0002]眼底照相是眼科中广泛应用的一项诊断项目，眼底的血管是人体唯一可通过体表直接观察到的血管。眼底视神经，视网膜及其血管的改变不仅对眼睛本身疾病的诊断和治疗提供极大帮助，而且对脑梗塞、脑溢血、脑动脉硬化、脑肿瘤、糖尿病、肾病、高血压的查看有极大的指导意义。
[0003]光相干断层扫描技术(OpticalCoherenceTomography,OCT)是一种非接触、无创伤、高分辨的活体组织光学层析成像技术。OCT工作原理与超声断层扫描类似，但不是基于超声波而是采用宽带近红外光作为探测媒介，利用光的低相干特性实现对组织内不同深度反射光波延迟的精确探测，从而可以非接触获得组织的断层结构信息，其分辨率可以达到与显微镜下观察组织病理切片相接近的微米级分辨率。
[0004]FFA造影是眼科的标准，但它是有创的。OCT和OCTA的成像是无创的，但在观察微小血管瘤方面仍有待改进。

技术实现思路

[0005]本专利技术解决的问题是如何增强对患者眼底血管的造影成像。
[0006]为解决上述问题，本专利技术提供基于深度学习的OCT和OCTA成像转换FFA造影图像的方法，包括步骤：
[0007]S1：获取患者眼部目标位置的OCT图像和OCTA图像；
[0008]S2：对OCT B
‑
Scan进行分层，得到各层的OCT Enface图像和OCTA Enface图像；
[0009]S3：获取患者眼部目标位置的FFA造影，通过OCT Enface图像和OCTA Enface图像与FFA造影的任意一帧进行配准，并记录造影剂的注射量和距离初始注入的时间；
[0010]S4：对神经网络的输入路径进行预处理得到特征图，并对特征图进行特征融合；
[0011]S5：将融合后的特征图输入Decoder，逐级进行上采样，在特征进行上采样后，与Encoder中的Enface图像的特征图通过通道拼接方式进行融合，在进行多次上采样恢复原分辨率后，输出与输入Enface图像相同尺寸的造影图。
[0012]在上述方法中，通过设备获得OCT影像和OCTA影像，对OCT B
‑
Scan进行分层，然后获得各层的OCT Enface和OCTA Enface图像。同时需要获取患者同部位的FFA造影Video。通过OCT/OCTA Enface图像与FFA造影的具体任意一帧进行配准，配准方法包括刚性配准和非刚性配准。
[0013]进一步地，所述步骤S3中配准方式包括刚性配准和非刚性配准，通过配准形成一个训练对；
[0014]其中，OCT和OCTA为输入，FFA造影为输出。
[0015]进一步地，所述步骤S3中对于一组FFA的造影包含多帧，形成多帧组训练对，每个训练对对应不同的时间。
[0016]进一步地，所述步骤S4中的输入路径包括：
[0017]OCT和OCTA的三维体数据、OCT Enface和OCTA Enface的投影二维图像数据以及在U
‑
Net颈部输入造影剂注射量和距离初始注入时间。
[0018]进一步地，所述步骤S4中预处理包括：
[0019]S41：将三维体数据输入，得到N*C*H*W*D的特征图；
[0020]S42：通过深度方向的1x1卷积或深度方向的平均池化或最大池化，将原特征图压缩成N*C
’
*H*W的目标特征图；
[0021]S43：将目标特征图与Enface图像的特征图通过1x1的卷积使通道数统一后相加进行融合处理。
[0022]进一步地，所述步骤S4中预处理包括：
[0023]S44：对步骤S43融合后的特征进行多次二维卷积层、池化层以及归一化层处理，得到颈部的特征图；
[0024]S45：在U
‑
Net颈部的特征图中融合注入时间和造影剂注射量的信息；
[0025]S46：把注入时间和造影剂注射量经过Linear层，投影为与特征图相同宽高的特征图，通过通道拼接的方式与颈部的特征图进行融合。
[0026]本专利技术采用上述技术方案包括以下有益效果：
[0027]本专利技术能够基于OCT图像和OCTA图像，通过神经网络转换得到拟真的FFA图像，从而实现在无创的情况下增强对患者眼底血管的造影成像。
附图说明
[0028]图1为本专利技术实施例提供的基于深度学习的OCT和OCTA成像转换FFA造影图像的方法流程图一；
[0029]图2为本专利技术实施例提供的基于深度学习的OCT和OCTA成像转换FFA造影图像的方法流程图二；
[0030]图3为本专利技术实施例提供的基于深度学习的OCT和OCTA成像转换FFA造影图像的方法中预处理过程的示意图。
具体实施方式
[0031]为使本专利技术的上述目的、特征和优点能够更为明显易懂，下面结合附图对本专利技术的具体实施例做详细的说明。
[0032]以下是本专利技术的具体实施例并结合附图，对本专利技术的技术方案作进一步的描述，但本专利技术并不限于这些实施例。
[0033]实施例
[0034]本实施例提供了基于深度学习的OCT和OCTA成像转换FFA造影图像的方法，如图1和图2所示，本方法包括步骤：
[0035]S1：获取患者眼部目标位置的OCT图像和OCTA图像；
[0036]S2：对OCT B
‑
Scan进行分层，得到各层的OCT Enface图像和OCTA Enface图像；
[0037]S3：获取患者眼部目标位置的FFA造影，通过OCT Enface图像和OCTA Enface图像与FFA造影的任意一帧进行配准，并记录造影剂的注射量和距离初始注入的时间；
[0038]S4：对神经网络的输入路径进行预处理得到特征图，并对特征图进行特征融合；
[0039]S5：将融合后的特征图输入Decoder，逐级进行上采样，在特征进行上采样后，与Encoder中的Enface图像的特征图通过通道拼接方式进行融合，在进行多次上采样恢复原分辨率后，输出与输入Enface图像相同尺寸的造影图。
[0040]具体的，步骤S3中配准方式包括刚性配准和非刚性配准，通过配准形成一个训练对；
[0041]其中，OCT和OCTA为输入，FFA造影为输出。
[0042]具体的，步骤S3中对于一组FFA的造影包含多帧，形成多帧组训练对，每个训练对对应不同的时间。
[0043]具体的，步骤S4中的输入路径包括：
[0044]OCT和OCTA的三维体数据、OCT Enface和OCTA Enface的投影二维图像数据以及在U
‑
Net颈部输入造影剂注射量和距离初始注入时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的OCT和OCTA成像转换FFA造影图像的方法，其特征在于，包括步骤：S1：获取患者眼部目标位置的OCT图像和OCTA图像；S2：对OCT B
‑
Scan进行分层，得到各层的OCT Enface图像和OCTA Enface图像；S3：获取患者眼部目标位置的FFA造影，通过OCT Enface图像和OCTA Enface图像与FFA造影的任意一帧进行配准，并记录造影剂的注射量和距离初始注入的时间；S4：对神经网络的输入路径进行预处理得到特征图，并对特征图进行特征融合；S5：将融合后的特征图输入Decoder，逐级进行上采样，在特征进行上采样后，与Encoder中的Enface图像的特征图通过通道拼接方式进行融合，在进行多次上采样恢复原分辨率后，输出与输入Enface图像相同尺寸的造影图。2.根据权利要求1所述的基于深度学习的OCT和OCTA成像转换FFA造影图像的方法，其特征在于，所述步骤S3中配准方式包括刚性配准和非刚性配准，通过配准形成一个训练对；其中，OCT和OCTA为输入，FFA造影为输出。3.根据权利要求2所述的基于深度学习的OCT和OCTA成像转换FFA造影图像的方法，其特征在于，所述步骤S3中对于一组FFA的造影包含多帧，形成多帧组训练对，每个训练对对应不同的时间。4.根据权利要求1所述的基于深度学习的OC...

【专利技术属性】
技术研发人员：区初斌，安林，秦嘉，陈咏然，
申请(专利权)人：唯仁医疗佛山有限公司唯智医疗科技佛山有限公司，
类型：发明
国别省市：