[发明专利]一种弱监督的IVOCT图像异常区域检测方法

权利要求书

1.一种弱监督的IVOCT图像异常区域检测方法，其特征在于，包括以下步骤：

S1，选择笛卡尔坐标系下的训练图集，首先对笛卡尔坐标系下的IVOCT图像进行降噪处理，其次进行极坐标转化得到极坐标下的IVOCT图像，最后进行图像拉平操作得到降噪拉平后的极坐标系图像作为最终图像；

S2，对最终图像按列方向均匀分割得到K张列数相同的分割图像，其中，K为大于1的整数；具体的，对最终大小为M×N的图像按列方向均匀分割得到K张M×T的列数相同的图像，其中，K＝N/T，M和N分别表示图像的宽和高，T表示按列分割的步长；

S3，将均匀分割后得到的分割图像，传入到预训练好的特征提取神经网络提取特征；

S4，将提取好的特征传入检测模块；

所述检测模块由两部分组成，一个是分类分支，另一个是选择分支；提取好的特征分别传入分类分支和选择分支，得到分类概率图和选择概率图；

其中，分类分支由2个全连接层和1个sigmoid激活层组成，选择分支由1个全连接层和1个sigmoid激活层组成；

S5，将每个分割图像的分类概率图和选择概率图进行加权融合并进行归一化，得到整张图像的分类概率图；然后利用分类损失函数进行优化，得到训练好的检测模型；

S6，将输入的检测图像按列均匀分割后，传入到训练好的检测模型；对检测模块中分类分支的输出进行组合得到每一列的类别，然后利用均值滤波算法得到异常区域的位置。

2.根据权利要求1所述的一种弱监督的IVOCT图像异常区域检测方法，其特征在于，所述S3中的预训练的特征提取神经网路的具体构造方法如下：

R1：将所选基础神经网络中的下采样层进行删减，仅保留基础神经网络顶部的一个步长为2的卷积层和一个最大池化层；

R2：将保留的卷积层改为空洞卷积；空洞卷积的空洞率利用锯齿波原理进行设计，并对行方向和列方向采取不同的卷积率。

3.根据权利要求1所述的一种弱监督的IVOCT图像异常区域检测方法，其特征在于，所述S4中的按列分割图像的分类概率图p^g(c)和选择概率图表p^s(c)示为：

其中，x^s(c)和x^g(c)为提取好的特征经过全连接层后输出的特征。

4.根据权利要求3所述的一种弱监督的IVOCT图像异常区域检测方法，其特征在于，所述S5中整张图像的概率图x(I)和损失函数L分别为：

其中，表示整幅图像的预测概率图，y_i表示图像分类的真值标签，K为每张图像按列分割的待选区域的个数。