[发明专利]一种基于心血管OCT影像的易损斑块自动检测方法和装置

权利要求书

1.一种基于心血管OCT影像的易损斑块自动检测方法，其特征在于，包括：

步骤1、获取多张OCT图像，利用所获取的所有所述OCT图像建立OCT图像数据集；

步骤2、将所述OCT图像数据集分成OCT训练图集和OCT测试图集，OCT训练图集包含多张含易损斑块的OCT图像和多张不含易损斑块的OCT图像；

步骤3、使用所述OCT训练图集对待训练模型进行训练，以形成训后模型；

所述步骤3包括：

步骤3.1、将所述OCT训练图集的OCT图像输入至全卷积网络以获得所述OCT训练图集的特征图，所述全卷积网络为ResNet101网络，且在获得所述特征图时去掉所述ResNet101网络最后一层的全连接层，只保留所述ResNet101网络的前100层，并利用一个1024*1*1的全卷积层对所述ResNet101网络的第100层的输出进行降维以获得特征图；

步骤3.2、对所述特征图用k²(C+1)个1024*1*1的卷积核进行去卷积处理以获得所述特征图的k²(C+1)个位置敏感分数图，k²指所述特征图区域被平分为k×k个子区域，(C+1)中C指的是C个易损斑块种类和一个背景；

步骤3.3、以10～30像素为步长，从所述OCT训练图集的OCT图像的左侧至右侧提取多个候选框；

步骤3.4、将所有所述候选框均投影在所述位置敏感分数图上，生成大小为k²(C+1)×W×H的第一立方块，其中，W和H分别为候选框的宽度和高度，采用空间相关池化的方式，在所述第一立方块中选出候选框中第K子区域对应的位置敏感分数图的子区域，并对所述位置敏感分数图的各子区域进行平均池化，使每个所述子区域对应一个像素值，最终得到大小为(C+1)×k×k的第二立方块，对所述特征图的k×k个子区域求和，得到易损斑块的分数，利用softmax函数得到易损斑块的特征图的最终得分，并选取得分最高的类别，通过最高的最终得分确定所述候选框所对应的OCT图像的易损斑块的种类，以完成对所述全卷积网络的分类训练；

步骤3.5、利用k²(C+1)维的全卷积层和一个2k²维的卷积层对所述候选框进行回归；

步骤3.6、计算全卷积网络的损失函数以形成训后模型，所述损失函数由分类损失和回归损失构成；

步骤4、以所述OCT测试图集中的第K张原始图像的中心为中心，将该第K张原始图像中心的前半部分拼接至其后半部分，构成待检测OCT图像，所有所述待检测OCT图像构成待检测OCT图像集，其中，K为自然数；

步骤5、利用所述训后模型对所述OCT测试图集进行易损斑块检测和易损斑块分类；

所述步骤5包括：

步骤5.1、利用所述训后模型，在所述OCT测试图集中的第K张原始图像中生成第一检测框，第一检测框用于对OCT测试图集中的第K张原始图像中的易损斑块进行检测及分类；

步骤5.2、利用所述训后模型，在所述待检测OCT图像集的第K张待检测OCT图像中生成第二检测框，所述第二检测框用于对所述待检测OCT图像集中的第K张待检测OCT图像中的易损斑块进行检测和分类；

步骤5.3、判断所述第二检测框在所述第K张待检测OCT图像中的位置与所述第K张待检测OCT图像边缘之间的距离是否小于第二阈值，若是，则将所述第K张待检测OCT图像的前半部分拼接在该待检测OCT图像的后半部分，以形成所述第K张原始图像和第三检测框；

步骤5.4、在所述第K个原始图像上，求取所述第一检测框和所述第三检测框的并集以形成第四检测框，将长度小于80像素的所述第二检测框及所述第四检测框删除，合并间距小于20像素的所述第二检测框及所述第四检测框；

步骤6、根据分类结果对所述易损斑块进行提示。

2.根据权利要求1所述的检测方法，其特征在于，步骤2之后，还包括：

判断所述OCT训练图集的图像数量是否超过第一阈值，若否，则扩充所述OCT训练图集以使所述OCT训练图集的图像数量超过第一阈值；

标记所述OCT训练图集中的易损斑块的信息。