[发明专利]多光谱荧光分割方法及装置

权利要求书

1.一种多光谱荧光分割方法，其特征在于，包括：

获取多光谱荧光分割神经网络，所述多光谱荧光分割神经网络是通过训练三维卷积神经网络得到的，将在激光激发情况下获得的多组不同波长的表面激发荧光图像作为训练所需的输入数据，将在未使用激光激发情况下获得的多组不同波长的表面荧光图像作为训练的荧光光斑分布结果；

获取待处理的多光谱激发荧光图像，将所述待处理的多光谱激发荧光图像输入到所述多光谱荧光分割神经网络中，得到激发荧光光斑的分割结果；

通过训练三维卷积神经网络得到所述多光谱荧光分割神经网络，包括：

所述三维卷积神经网络包括第一卷积层、第二卷积层、第三卷积层、局部响应归一化层以及全链接层，其中，

在所述第一卷积层，将多组不同波长的表面激发荧光图像的三维立体图像组成三维数据组，将所述三维数据组输入所述第一卷积层，通过预设范围的三维卷积核对所述三维数据组中各图像相同区域的激发荧光信号进行卷积累加，得到所述第一卷积层的输出数据，其中，相同区域的范围为三维卷积核的预设范围；

在所述第二卷积层，将所述第一卷积层的输出数据输入所述第二卷积层，通过预设范围的二维卷积核对所述第一卷积层的输出数据中各图像相同区域的激发荧光信号进行卷积累加，得到所述第二卷积层的输出数据；

在所述第三卷积层，将所述第二卷积层的输出数据输入所述第三卷积层，通过预设范围的二维卷积核对所述第二卷积层的输出数据中各图像相同区域的激发荧光信号进行卷积累加，得到所述第三卷积层的输出数据；

在所述局部响应归一化层，将所述第三卷积层的输出数据转化成一维向量输入所述局部响应归一化层，针对所述一维向量中的每个元素，以该元素的邻域信息作为归一化权重进行归一化计算，得到所述局部响应归一化层输出的一维数据；

在所述全链接层，将所述局部响应归一化层输出的一维数据输入所述全链接层，将所述局部响应归一化层输出的一维数据转化为标签信号，所述标签信号用于分类确定。

2.如权利要求1所述的多光谱荧光分割方法，其特征在于，在激光激发情况下获得多组不同波长的表面激发荧光图像，在未使用激光激发情况下获得多组不同波长的表面荧光图像，包括：

以仿生物组织作为仿体对象，以荧光探针和不同波长的荧光剂的混合液作为肿瘤假想对象，在所述仿体对象的同一肿瘤位置分别使用不同波长的肿瘤假想对象，分别采用与荧光剂对应波长的激光照射所述肿瘤位置，获得多组不同波长的表面激发荧光图像，在未使用激光照射所述肿瘤位置的情况下，获得多组不同波长的表面荧光图像。

3.如权利要求1或2所述的多光谱荧光分割方法，其特征在于，将多组不同波长的表面激发荧光图像作为训练所需的输入数据，包括：

在每组表面激发荧光图像中获取感兴趣区域，该感兴趣区域包括表面荧光光斑所在的位置；

将每组感兴趣区域内的数据组成三维立体图像，其中，三维中的两维是该感兴趣区域内的数据的像素点的坐标，第三维是该感兴趣区域所在的表面激发荧光图像在多组不同波长的表面激发荧光图像中的序号；

将各组感兴趣区域的三维立体图像作为训练所需的输入数据。