[发明专利]用于OCT图像转化、眼科图像去噪的系统及其神经网络在审

专利信息
申请号: 202080012077.4 申请日: 2020-02-12
公开(公告)号: CN113396440A 公开(公告)日: 2021-09-14
发明(设计)人: 阿林多姆·巴塔查里亚;沃伦·刘易斯;索菲·库巴赫;拉尔斯·奥洛尔;玛丽·德宾 申请(专利权)人: 卡尔蔡司医疗技术公司;卡尔蔡司医疗技术股份公司
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 梁丽超
地址: 美国加*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 oct 图像 转化 眼科 系统 及其 神经网络
【权利要求书】:

1.一种光学相干断层扫描(OCT)系统,包括:

光源,用于产生光束;

分束器,所述分束器具有分束表面,用于将第一部分光导入参考臂,并将第二部分光导入样本臂;

光学器件,用于将所述样本臂中的光导向样本上的一个或多个位置;

检测器,用于接收从所述样本臂和所述参考臂返回的光,并响应于此产生信号;

处理器,用于将所述信号转换成第一图像并将所述第一图像提交给图像转化模块,所述图像转化模块将所述第一图像转化成第二图像,所述第二图像的特征在于与所述第一图像相比抖动减少和虚构结构的创建最小化中的一个或多个;以及

输出显示器,用于基于所述第二图像显示输出图像;

其中,所述图像转化模块包括使用训练输入图像组和训练输出图像的目标组的机器学习模块,所述训练输入图像独立于所述训练输出图像生成。

2.根据权利要求1所述的系统,其中,所述处理器进一步将当前第二图像与一个或多个先前获得的第二图像组合,以生成所述输出图像。

3.根据权利要求2所述的系统,其中,所述当前第二图像通过直接平均和加权平均中的一种与所述一个或多个先前获得的第二图像组合,其中,更高图像质量的第二图像被更重地加权。

4.根据权利要求1所述的系统,其中:

所述处理器定义多个所述第一图像,将多个所述第一图像提交给所述图像转换模块,以产生对应的多个第二图像,并使用OCT血管造影(OCTA)处理技术从多个所述第二图像计算运动对比度信息;并且

所述输出图像显示所述运动对比度信息。

5.根据权利要求1所述的系统,其中,所述处理器:

定义多个所述第一图像;

将多个所述第一图像提交给所述图像转化模块,以产生对应的多个第二图像;

将图像配准技术应用于多个所述第二图像,以产生图像对齐设置;并且

至少部分基于多个所述第二图像的图像对齐设置来对齐多个所述第一图像。

6.根据权利要求1所述的系统,其中:

所述第一图像被分成多个第一图像段;以及

所述图像转化模块将每个第一图像段单独转化成对应的第二图像段,并组合所述第二图像段,以构建所述第二图像。

7.根据权利要求1所述的系统,其中:

至少一个训练输出图像被定义为测试样本的相同区域的一组OCT测试图像的平均;并且

所述训练输入图像的至少一部分包括在所述一组OCT测试图像中。

8.根据权利要求1所述的系统,其中:

所述第一图像是所述样本的第一区域;并且

所述第二图像具有被定义为所述第一区域的多个假设OCT扫描与所述第一图像的平均值的特征。

9.根据权利要求1所述的系统,其中,所述机器学习模块是经训练的NN,并且所述NN的训练包括:

收集目标眼科区域的多个OCT测试图像;

对多个所述OCT测试图像进行平均,以定义所述目标眼科区域的对应的平均化的图像;

将所述目标眼科区域的所述OCT测试图像作为训练输入图像分别单独输入到所述神经网络,并提供其对应的平均化的图像,作为所述神经网络的其各自对应的训练输出图像。

10.根据权利要求9所述的系统,其中,所述NN的训练还包括:

将每个OCT测试图像分成多个测试段;

将其对应的平均化的图像分成多个对应的基础真实段;

将测试段与对应的基础真实段相关联;

分别单独将相关的测试段作为训练输入图像提交给所述神经网络,并提供其相关的基础真实段,作为所述神经网络的训练输出图像。

11.根据权利要求9所述的系统,还包括将当前输入的OCT测试图像与所述神经网络的对应的当前输出进行组合,以定义组合网络输出,并将所述组合网络输出与对应的训练输出图像进行比较。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于卡尔蔡司医疗技术公司;卡尔蔡司医疗技术股份公司,未经卡尔蔡司医疗技术公司;卡尔蔡司医疗技术股份公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202080012077.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top