基于OCT的眼底病变部位识别、三维重建方法及系统与流程

本发明涉及图像分析，具体涉及一种基于oct的眼底病变部位识别、三维重建方法及系统。

背景技术：

1、眼底异常是不可逆性视力损伤的重要原因之一。根据2022年爱康集团与鹰瞳airdoc联合发布的《三百万体检人群健康蓝皮书》，2018年7月至2022年4月期间参与人工智能眼底照相疾病风险评估的3105439人中，眼底异常患者76.2％，其中男性异常占所有男性受检者的77.3％，女性异常占所有女性受检者的75.1％。眼底异常主要表现为视网膜血管异常、黄斑变性、视盘视神经等，其中的视网膜类疾病占比尤为突出。

2、视网膜形态的精确判断是视网膜疾病诊断的前提条件。目视网膜形态诊断有彩色眼底照相、光学相干成像、血管荧光造影等。其中彩色眼底照相的人工智能诊断技术已经成熟，但眼底照相只能进行平面成像，无法观测视网膜横断面成像结构，以及视网膜内部细微病变的形态学改变。因眼底光学相干成像技术(oct)在黄斑裂孔、脉络血管新生等视网膜疾病的诊断过程中具有重要的临床价值。眼底光学相干成像技术(oct)目前已经成为眼科视网膜疾病筛查和诊断的重要工具和手段。

3、但眼底视网膜疾病的诊断严重依赖临床医生经验，因临床经验不足引起的误诊、漏诊时常发生，将人工智能与oct图像结合在眼部疾病诊断中的应用具有重要的临床意义。目前虽然有已有研究将oct的眼底检查的数据通过人工智能算法进行识别与诊断，但是其辅助诊断是基于二维视网膜图像识别和机器学习算法实现的，而二维图像的特征信息少于三维图像，在二维图像的选取和识别过程中，容易出现部分诊疗敏感信息丢失的情况，导致无法精准识别病变部位的类型和位置。

技术实现思路

1、针对现有技术存在的不足，本发明提出一种基于oct的眼底病变部位识别、三维重建方法及系统，能够精准识别病变部位的类型和位置。具体技术方案如下：

2、第一方面，提供了一种基于oct的眼底病变部位识别方法，在第一方面的第一种可实现方式中，包括：

3、获取多位病人眼底的oct扫描数据，并分别对每位病人的oct扫描数据中不同深度的扫描图像进行分类标注；

4、根据所有病人分类标注后的oct扫描数据构建起训练集，对用于病变特征识别的神经网络模型进行训练；

5、获取待诊断病人眼底的oct扫描数据，并通过训练好的神经网络模型对待诊断病人眼底的oct扫描数据进行特征识别，确定病人眼底的病变部位。

6、结合第一方面的第一种可实现方式，在第一方面的第二种可实现方式中，获取病人眼底的oct扫描数据，包括：对获取到的oct扫描数据的图像质量进行检验。

7、结合第一方面的第一种可实现方式，在第一方面的第三种可实现方式中，所述神经网络模型为cnn神经网络模型。

8、第二方面，提供了一种oct的眼底病变部位三维重建方法，包括：

9、采用第一方面的第一值三种可实现方式中任一所述的基于oct的眼底病变部位识别方法，确定待诊断病人的病变类型，以及不同深度的扫描图像中病变部位的位置坐标；

10、根据不同深度的扫描图像中病变部位的位置坐标，及扫描图像所对应的扫描深度，对病变部位进行三维重建，得到病变部位的三维图像。

11、第三方面，提供了一种基于oct的眼底病变部位识别系统，在第三方面的第一种可实现方式中，包括：

12、数据获取模块，配置为获取多位病人眼底的oct扫描数据，并分别对每位病人的oct扫描数据中不同深度的扫描图像进行分类标注；

13、模型训练模块，配置为根据所有病人分类标注后的oct扫描数据构建起训练集，对用于病变特征识别的神经网络模型进行训练；

14、数据识别模块，配置为获取待诊断病人眼底的oct扫描数据，并通过训练好的神经网络模型对待诊断病人眼底的oct扫描数据进行特征识别，确定病人眼底的病变部位。

15、结合第三方面的第一种可实现方式，在第三方面的第二种可实现方式中，所述数据获取模块包括：数据检验单元，配置为对获取到的oct扫描数据的图像质量进行检验。

16、结合第三方面的第一种可实现方式，在第三方面的第三种可实现方式中，所述模型训练模块训练的神经网络模型为cnn神经网络模型。

17、第四方面，提供了一种oct的眼底病变部位三维重建系统，在第四方面的第一种可实现方式中，包括：

18、数据获取模块，配置为获取多位病人眼底的oct扫描数据，并分别对每位病人的oct扫描数据中不同深度的扫描图像进行分类标注；

19、模型训练模块，配置为根据所有病人分类标注后的oct扫描数据构建起训练集，对用于病变特征识别的神经网络模型进行训练；

20、数据识别模块，配置为获取待诊断病人眼底的oct扫描数据，并通过训练好的神经网络模型对待诊断病人眼底的oct扫描数据进行特征识别，确定病人眼底的病变部位，以及不同深度的扫描图像中病变部位的位置坐标；

21、三维重建模块，配置为根据不同深度的扫描图像中病变部位的位置坐标，及扫描图像所对应的扫描深度，对病变部位进行三维重建，得到病变部位的三维图像。

22、结合第四方面的第一种可实现方式，在第四方面的第二种可实现方式中，所述数据获取模块包括：数据检验单元，配置为对获取到的oct扫描数据的图像质量进行检验。

23、结合第四方面的第一种可实现方式，在第四方面的第三种可实现方式中，所述模型训练模块训练的神经网络模型为cnn神经网络模型。

24、有益效果：采用本发明的基于oct的眼底病变部位识别、三维重建方法及系统，可以通过光学相干成像技术获取眼底不同扫描深度的生物断层扫描图像，并通过训练好的神经网络模型对获取的全部生物断层扫描图像进行特征识别，最后根据不同扫描深度的生物断层扫描图像的病灶特征，精准识别病变部位的类型和位置。

技术特征：

1.一种基于oct的眼底病变部位识别方法，其特征在于，包括：

2.根据权利要求1所述的基于oct的眼底病变部位识别方法，其特征在于，获取病人眼底的oct扫描数据，包括：对获取到的oct扫描数据的图像质量进行检验。

3.根据权利要求1所述的基于oct的眼底病变部位识别方法，其特征在于，所述神经网络模型为cnn神经网络模型。

4.一种oct的眼底病变部位三维重建方法，其特征在于，包括：

5.一种基于oct的眼底病变部位识别系统，其特征在于，包括：

6.根据权利要求5所述的基于oct的眼底病变部位识别系统，其特征在于，所述数据获取模块包括：数据检验单元，配置为对获取到的oct扫描数据的图像质量进行检验。

7.根据权利要求5所述的基于oct的眼底病变部位识别系统，其特征在于，所述模型训练模块训练的神经网络模型为cnn神经网络模型。

8.一种oct的眼底病变部位三维重建系统，其特征在于，包括：

9.根据权利要求8所述的基于oct的眼底病变部位三维重建系统，其特征在于，所述数据获取模块包括：数据检验单元，配置为对获取到的oct扫描数据的图像质量进行检验。

10.根据权利要求8所述的基于oct的眼底病变部位三维重建系统，其特征在于，所述模型训练模块训练的神经网络模型为cnn神经网络模型。

技术总结
本发明公开了一种基于OCT的眼底病变部位识别、三维重建方法及系统，重建系统包括数据获取模块、模型训练模块和数据识别模块。数据获取模块采集多位病人眼底的OCT扫描数据，并对OCT扫描数据中不同深度的扫描图像中的最小病变部位进行分类。模型训练模块基于获取到的所有病人的OCT扫描数据构建起训练集对用于病变特征识别的神经网络模型进行训练。数据识别模块采集待诊断病人眼底的OCT扫描数据，并通过训练好的神经网络模型识别不同深度的扫描图像的病变部位特征。三维重建模块根据各扫描图像的病变部位特征和扫描图像对应的深度，确定各扫描图像中病变部位的三维坐标。并结合各扫描图像中病变部位的三维坐标重建待诊断病人的病变部位的三维图像。

技术研发人员：魏安海,邹杨成,张和华,聂瑞,曹珍珍,段傲文,黄淇
受保护的技术使用者：中国人民解放军陆军特色医学中心
技术研发日：
技术公布日：2024/3/31