[发明专利]多光谱荧光分割方法及装置

说明书

本发明实施例提供了一种多光谱荧光分割方法及装置，其中，该方法包括：获取多光谱荧光分割神经网络，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，将待处理的多光谱激发荧光图像输入到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。该方案考虑了不同荧光波长的荧光图像之间存在光学相关性，使得有助于精确地划分有效荧光区域，有助于提高激发荧光光斑分割结果的精确度。

技术领域

本发明涉及光学成像技术领域，特别涉及一种多光谱荧光分割方法及装置。

背景技术

光学成像技术是近年来新兴的一种分子影像技术，具有高灵敏度、辐射非电离、操作简单等优点，是一种可以在细胞分子水平上实现生物组织内部生物物理过程成像的一种技术。此外，通过在内窥镜上搭载荧光相机与激光器光源等方法，光学成像技术正逐渐运用到临床手术导航等领域中。通过对成像对象注射相应的靶向探针药物，并借由内窥镜搭载的激光器对观测部位进行照射，从而捕捉激光器照射下观测部位的荧光信息。但是，由于激发光源的影响以及成像对象自体荧光的干扰，激发荧光的荧光光斑往往与激发光源和自体荧光光源的信号混杂在一起，这对表面荧光信号的分割产生非常大的影响，进而影响对激发荧光表面荧光分布的分析。

发明内容

本发明实施例提供了一种多光谱荧光分割方法，以解决现有技术中激发荧光光斑分割结果精确度低的技术问题。该方法包括：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。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一种多光谱荧光分割方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述任意一种多光谱荧光分割方法的计算机程序。

本发明实施例还提供了一种多光谱荧光分割装置，以解决现有技术中激发荧光光斑分割结果精确度低的技术问题。该装置包括：获取模块，用于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；分割模块，用于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。

在本发明实施例中，通过使用多组不同波长的表面激发荧光图像和多组不同波长的表面荧光图像训练三维卷积神经网络，得到多光谱荧光分割神经网络，考虑了不同荧光波长的荧光图像之间存在光学相关性；同时，三维卷积神经网络的使用，加强了多光谱数据彼此的相关性，使得有助于精确地划分有效荧光区域，为观测表面荧光信号提供更为精确的指导信息，有助于提高激发荧光光斑分割结果的精确度。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1是本发明实施例提供的一种多光谱荧光分割方法的流程图；

图2是本发明实施例提供的一种训练三维卷积神经网络的过程示意图；

图3是本发明实施例提供的一种具体的多光谱荧光分割方法的流程图；