【技术实现步骤摘要】
本专利技术属于医学影像数据处理，具体涉及一种眼底图像超分辨率生成模型的训练方法及重建方法。
技术介绍
1、青光眼患者的筛孔变化是一个重要的病理现象。筛孔是巩膜筛板上的微小孔洞，允许视神经纤维穿过。在青光眼患者中，随着眼内压的持续升高，筛板受到压力不断增加，筛孔结构发生形变、扭曲等变化，这些变化可能会挤压穿过筛孔的视神经纤维，导致视神经纤维受到损伤。因此，及时发现并控制眼内压，减轻筛板受到的压力，是防止筛板与筛孔结构进一步形变和视神经损伤的关键。
2、用于光学相干断层扫描技术，即oct技术，在目前青光眼早期诊断中的应用优势明显，但也存在一些限制。首先，由于巩膜筛板与筛孔结构的复杂性和微妙性，且早期青光眼筛孔形变较小，现有的oct技术难以准确捕捉其详细结构及细微形变，导致生成图像结构模糊或失真，解析难度大。其次，眼球的运动、泪液层的干扰以及不同患者眼球结构的差异性等因素都可能影响oct图像的获取质量，从而增加了医生对病情的诊断难度和不确定性。
3、图像超分辨率重建，image super-resolution，是指通...
【技术保护点】
1.一种青光眼眼底图像超分辨率重建生成模型的训练方法，其特征在于，青光眼眼底图像超分辨率重建生成模型为生成对抗网络的生成器，将高分辨率的青光眼眼底图像作为参考图像，将对高分辨率的青光眼眼底图像进行下采样得到的低分辨率图像作为生成器的输入，通过生成对抗网络整体训练使生成器能够生成青光眼眼底图像超分辨率重建图像，在生成对抗网络的训练过程中，利用损失函数F得到总损失函数，基于总损失函数指导生成器的训练；
2.根据权利要求1所述的一种青光眼眼底图像超分辨率重建生成模型的训练方法，其特征在于，所述的生成对抗网络为SRGAN网络。
3.根据权利要求1所述的...
【技术特征摘要】
1.一种青光眼眼底图像超分辨率重建生成模型的训练方法，其特征在于，青光眼眼底图像超分辨率重建生成模型为生成对抗网络的生成器，将高分辨率的青光眼眼底图像作为参考图像，将对高分辨率的青光眼眼底图像进行下采样得到的低分辨率图像作为生成器的输入，通过生成对抗网络整体训练使生成器能够生成青光眼眼底图像超分辨率重建图像，在生成对抗网络的训练过程中，利用损失函数f得到总损失函数，基于总损失函数指导生成器的训练；
2.根据权利要求1所述的一种青光眼眼底图像超分辨率重建生成模型的训练方法，其特征在于，所述的生成对抗网络为srgan网络。
3.根据权利要求1所述的一种青光眼眼底图像超分辨率重建生成模型的训练方法，其特征在于，在生成对抗网络的训练过程中，通过生成掩码的方式引导生成对抗网络中生成器的输出确定神经纤维层区域与筛板区域。
4.根据权利要求3所述的一种青光眼眼底图像超分辨率重建生成模型的训练方法，其特征在于，生成掩码的方式采用u-net网络实现。
5.根据权利要求1所述的一种青光眼眼底图像超分辨率重建生成模型的训练方法，其特征在于，在生成对抗网络的训练过程中，所述高分辨率的青光眼眼底图像是原始青光眼眼底图像经过去噪后再基于curvelet变换和分水岭的oct图像分割后得到的高分辨率的青光眼眼底图像，所述基于curvelet变换和分水岭的oct图像分割过程中首先对青光眼眼底图像进行curvelet变换，然后采用otsu算法进行分割。
6.根据权利要求5所述的一种青光眼眼底图像...
【专利技术属性】
技术研发人员：杜奕辉，杨学博，李拥霄，王志强，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。