(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211163912.1 (22)申请日 2022.09.23 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 万熠　贺翔　宋维业　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 武博 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/74(2022.01) (54)发明名称 一种可见光OCT图像视网膜层分割方法及系 统 (57)摘要 本发明提供一种可见光OCT图像视网膜层分 割方法及系统， 涉及医学影像处理领域， 针对目 前OCT图像分割方法处理可见光OCT图像时分割 精度不足的问题， 基于图像预处理和端到端语义 分割方法建立视网膜层分割模型， 通过训练后的 视网膜层分割模型能够实现对可见光OCT图像的 分割， 满足分割精度需求。 权利要求书2页 说明书5页 附图3页 CN 115482384 A 2022.12.16 CN 115482384 A 1.一种可 见光OCT图像视网膜层分割方法， 其特 征在于， 包括： 获取可见光OCT待分割图像； 将待分割图像输入视网膜层分割模型， 获取分割后的视网膜层多通道图像； 其中， 视网膜层分割模型通过端到端语义分割方法训练获取。 2.如权利要求1所述的可见光OCT图像视网膜层分割方法， 其特征在于， 所述视网膜层 分割模型的获取包括： 数据预处 理， 基于健康人眼中心凹区域的可 见光OCT原 始图像获取真值标注图； 端到端语义分割， 将预处理后的原始图像输入初始分割模型并输出多通道图像， 将多 通道图像与真值标注图进行比对， 基于比对结果调整初始分割模型， 重复训练至比对结果 满足设定要求， 获取视网膜层分割模型。 3.如权利要求2所述的可见光OCT图像视网膜层分割方法， 其特征在于， 对原始图像进 行裁剪、 翻转， 获取满足尺寸和方向需求的图像， 并进行真值标注。 4.如权利要求2所述的可见光OCT图像视网膜层分割方法， 其特征在于， 在数据预处理 后， 将图像进行 数据格式转 化并输入初始分割模型。 5.如权利要求1所述的可见光OCT图像视网膜层分割方法， 其特征在于， 所述端到端语 义分割方法包括： 主干网络对预处 理后的原 始图像进行多尺度特 征提取， 得到多种尺度的特 征图； 第一尺度 特征图经上采样还原后与第 二尺度特征图进行融合， 融合后进行加权获取第 一加权特 征图； 第一加权特征图经上采样还原后与第 三尺度特征图进行融合， 融合后进行加权获取第 二加权特 征图； 依此进行 所有加权特 征图和尺度特 征图的融合、 加权， 获取最终加权特 征图； 还原最终加权特 征图得到分割后的视网膜层多通道图像。 6.如权利要求5所述的可见光OCT图像视网膜层分割方法， 其特征在于， 融合后的特征 图通过深度高效加权模块进行特征图信息加权， 每个尺度特征图融合后分别进行对应的特 征图信息加权 。 7.如权利要求5所述的可见光OCT图像视网膜层分割方法， 其特征在于， 通过采样特征 图还原模块对加权特征图进行还原， 每个加权特征图分别进行对应的特征图还原输出图 像。 8.如权利要求5所述的可见光OCT图像视网膜层分割方法， 其特征在于， 将分割后的视 网膜层多通道图像与基于原始图像获取真值标注图进 行相似度评估， 基于相似度结果调整 端到端语义分割 方法， 直至相似度结果满足需求， 以此调整后的端到端语义分割 方法建立 视网膜层分割模型。 9.如权利要求8所述的可见光OCT图像视网膜层分割方法， 其特征在于， 若相似度结果 不符合设定要求， 调节端到端语义分割方法中的网络内参中的一种或多种， 其中， 网络内参 包括多特 征提取参数、 上采样还原参数、 融合 参数和加权参数。 10.一种可 见光OCT图像视网膜层分割 系统， 其特 征在于， 包括： 图像获取模块， 被 配置为： 获取 可见光OCT待分割图像； 图像分割模块， 被配置为： 将待分割图像输入视网膜层 分割模型， 获取分割后的视网膜权　利　要　求　书 1/2 页 2 CN 115482384 A 2层多通道图像； 其中， 视网膜层分割模型通过端到端语义分割方法训练获取。权　利　要　求　书 2/2 页 3 CN 115482384 A 3