[发明专利]基于深度学习的光学相干层析成像深度重建方法

权利要求书

1.一种基于深度学习的光学相干层析成像深度重建方法，特征在于该方法包括如下步骤：

1)准备训练样本：包括干涉信号数据及相对应的真实深度数据；

所述干涉信号获取方法：采用去除参考臂的简化SD-OCT装置，该装置包括宽带光源、聚焦元件和光谱测量装置，沿该宽带光源输出光通过聚焦元件聚焦到待测样品上，利用光谱测量装置接收从所述待测样品反射或者散射回的干涉信号并区分各个光谱成分，对干涉信号没有具体的光谱宽度、中心波长或者信号包络连续性上的要求，也无需对输入干涉信号进行其它复杂的数据处理；

所述真实深度的获取在记录干涉信号之后，采用将样品进行切片方式处理，进而通过光学显微镜、电子显微镜方式获得干涉信号记录位置的真实深度信息；

2)训练神经网络学习干涉信号与真实深度之间的映射关系：训练多层一维神经网络，神经网络以干涉信号为输入，对应的真实深度为输出；

3)获取待重建深度的干涉信号并使用模型进行深度重建：神经网络模型训练完毕后，使用与获取训练样本过程中相同参数的光源以及干涉信号记录方法，获取待重建深度的干涉信号；将待重建深度的干涉信号作为神经网络模型的输入，模型输出即为重建的深度信息。

2.根据权利要求1所述的基于深度学习的光学相干层析成像深度重建方法，特征在于所述干涉信号到真实深度之间的映射通过多层一维卷积神经网络来实现。