欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023101588005
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于配准网络的OCT图像增强方法,其特征在于,包括:

选定训练集某一样本中任意一张OCT图像为固定图像,将该样本中的其余OCT图像作为移动图像;

将固定图像输入配准网络的固定图像编码模块,经过五个固定编码块,每个固定编码块将编码后的输出,输入至相对应的解码块;

将移动图像输入配准网络的移动图像编码模块,经过五个移动编码块,每个移动编码块将编码后的输出,输入至对应的解码块;

固定图像编码模块的第三固定编码块与移动图像编码模块的第三移动编码块的输出均经过多头自注意力变换模块;所述多头自注意力变换模块对输入固定图像特征图与移动图像特征图分别进行卷积运算和展平操作,并通过级联操作将固定图像特征图与移动图像特征图进行拼接融合,将融合后的特征图与图像位置信息输入变换器编码单元,再通过层归一化与卷积块运算展平输出至解码模块的第一解码块;

解码模块中每一个解码块均基于上一解码块的输出与相对应固定编码块和移动编码块的输出,将输入特征图像从低分辨率到高分辨率逐层恢复维度后,输出至多尺度形变场融合模块,获取所述固定图像的配准图像;

重复将所述固定图像与未配准的移动图像,输入配准网络,得到所述固定图像的其余配准图像;

将所述固定图像与多幅配准图像进行叠加平均,获得所述固定图像的去噪图像。

2.根据权利要求1所述的基于配准网络的OCT图像增强方法,其特征在于,所述变换器编码单元包括多头自注意力块与多层感知器;所述多头自注意力块包括在所述变换器编码单元中按信道方式连接在一起的多个自关注块。

3.根据权利要求1所述的基于配准网络的OCT图像增强方法,其特征在于,所述固定图像编码模块与所述移动图像编码模块均包括沿正传播方向依次串联的第一编码块、第二编码块、第三编码块、第四编码块与第五编码块;

所述第一编码块包括两个串联的卷积单元;

所述卷积单元包括沿正传播方向依次串联的卷积块、批归一化层与ReLU层;

所述第二编码块与所述第三编码块均包括沿正传播方向依次串联的最大池化单元与两个卷积单元;

所述第四编码块与所述第五编码块均包括一个最大池化单元。

4.根据权利要求1所述的基于配准网络的OCT图像增强方法,其特征在于,所述解码模块包括依次串联的第一解码块、第二解码块、第三解码块、第四解码块与第五解码块;每个解码块均包括依次串联的多尺度形变场融合模块、空间变换模块与卷积单元;所述多尺度形变场融合模块用于学习全局仿射配准的细节;所述卷积单元包括依次串联的卷积块、批归一化层与ReLU层;所述空间变换模块用于对输入特征进行学习,得到变换参数,将变换参数应用于移动图像,进行映射,得到配准图像。

5.根据权利要求4所述的基于配准网络的OCT图像增强方法,其特征在于,所述第一解码块中的多尺度形变场融合模块对输入特征进行卷积得到第一形变场,对第一形变场进行上采样得到第一输出形变场;

第n解码块中的多尺度形变场融合模块对输入特征进行卷积得到第n形变场,对第n形变场与第n-1形变场分别进行上采样,并将上采样后的结果叠加,得到第n输出形变场;其中,2≤n≤5。

6.根据权利要求1所述的基于配准网络的OCT图像增强方法,其特征在于,所述定训练集某一样本中任意一张OCT图像为固定图像前,包括采集多个视网膜样本的OCT图像,并进行重采样,构建图像数据集,将图像数据集按照预设比例划分为训练集与测试集。

7.根据权利要求1所述的基于配准网络的OCT图像增强方法,其特征在于,所述获取所述固定图像的多幅配准图像包括:根据所述多尺度形变场融合模块输出的形变场参数,利用空间变化模块扭曲移动图像,使其与固定图像相配准,获取所述固定图像的配准图像。

8.根据权利要求1所述的基于配准网络的OCT图像增强方法,其特征在于,所述获取所述固定图像的配准图像后,还包括:根据固定图像与配准图像的损失函数,优化配准网络;

选定测试集某一样本中任意一张OCT图像为固定图像,将该样本中其余OCT图像作为移动图像,重复将固定图像与不同移动图像输入至优化后的配准网络中,得到测试集该样本中固定图像的多幅配准图像;

将该样本的固定图像与多幅配准图像叠加平均,得到去噪图像。

9.根据权利要求8所述的基于配准网络的OCT图像增强方法,其特征在于,所述固定图像与配准图像的损失函数为:Ljoint=Lsim+αLsmooth,

其中,Lsim用来约束形变场中的平滑度,Lsmooth用来约束形变场中的局部空间变化,α为正则化参数,设置为10;表示固定图像层分割图Lf的第k层标签,表示配准图像层分割图Lw的第k层标签,k表示层分割标签中的层数;φ表示形变场,p表示形变场中任意一点,μ(p)表示形变场中p点的坐标(x,y)的值,p在形变场x方向上的梯度p在形变场y方向上的梯度

10.一种如权利要求1至9任一项所述的基于配准网络的OCT图像增强方法在视网膜OCT图像增强领域的应用。