[发明专利]超声图像中眼球区域分割方法

说明书

本发明公开了一种超声图像中眼球区域分割方法，包括：利用一定数量的、且经专家进行眼球区域标注的眼科超声图像构建训练集；分别计算训练集中的每一眼科超声图像的有向符号距离场矩阵，由训练集中的所有图像构成训练集有向符号距离场矩阵；利用训练集以及有向符号距离场矩阵训练预先搭建的卷积神经网络SS‑Unet；将待分割的眼科超声图像输入至训练完毕的卷积神经网络SS‑Unet，从而完成眼球区域分割。该方法可以提高眼球区域分割效率，并确保分割准确度。

技术领域

本发明涉及人工智能领域，尤其涉及一种超声图像中眼球区域分割方法。

背景技术

眼科超声图像可以通过常规超声设备采集，为了在眼科超声图像中分割出眼球区域，需要重建眼球的三维结构，才能全面精确地反映后巩膜的具体形态以及与视神经的位置关系，同时，目前大多采用人工方式进行眼球区域的分割操作，不仅效率低，且分割准确度还取决于操作人员的作业水平。

鉴于此，有必要研发一种具有较高准确度的眼球区域自动分割的方案。

发明内容

本发明的目的是提供一种超声图像中眼球区域分割方法，可以提高眼球区域分割效率，并确保分割准确度。

本发明的目的是通过以下技术方案实现的：

一种超声图像中眼球区域分割方法，包括：

利用一定数量的、且经专家进行眼球区域标注的眼科超声图像构建训练集；

分别计算训练集中的每一眼科超声图像的有向符号距离场矩阵，由训练集中的所有图像构成训练集有向符号距离场矩阵；

利用训练集以及有向符号距离场矩阵训练预先搭建的卷积神经网络SS-Unet；

将待分割的眼科超声图像输入至训练完毕的卷积神经网络SS-Unet，从而完成眼球区域分割。

由上述本发明提供的技术方案可以看出，该方法完全基于2D卷积神经网络，极大的提高了眼球区域分割速度，同时，在数据集上测试结果显示其具有较高的分割准确率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种超声图像中眼球区域分割方法的示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种超声图像中眼球区域分割方法，其主要包括：

1、利用一定数量的、且经专家进行眼球区域标注的眼科超声图像构建训练集。

2、分别计算训练集中的每一眼科超声图像的有向符号距离场矩阵，由训练集中的所有图像构成训练集有向符号距离场矩阵。

3、利用训练集以及有向符号距离场矩阵训练预先搭建的卷积神经网络SS-Unet。

4、将待分割的眼科超声图像输入至训练完毕的卷积神经网络SS-Unet，从而完成眼球区域分割。

为了便于理解，下面针对上述方案做详细的介绍。

如图1所示，为超声图像中眼球区域分割方法的流程图。

一、构建数据集。