[发明专利]一种基于神经网络的OCT人眼图像采集配准方法及系统

说明书

本发明公开了一种基于神经网络的OCT人眼图像采集配准方法及系统，通过提前训练好的深度神经网络模型直接得到两个图像之间的偏移量，从而减少OCT系统显示高质量图像的时间，降低了使用OCT系统采集多张图像之间的位移偏差。相比于传统的补偿算法，本发明所提出的方法不需要重复计算最优偏移量，降低了求取偏移量过程的时间消耗。同时本发明采用了基于A‑scans配准的方法，将二维OCT图像视为非刚体图像，提高了补偿OCT图像位移偏差的精度。

技术领域

本发明涉及OCT系统、OCTA系统图像采集、图像配准技术领域，具体涉及一种基于神经网络的OCT人眼图像采集配准方法及系统。

背景技术

光学相干层析成像系统(optical coherence tomography,OCT系统)，是一种基于光的低相干干涉原理获得深度方向层析能力的成像技术，该技术具有无接触，非侵入，实时三维成像，成像分辨率高等优点。其成像系统由宽带光源，光纤耦合器，参考臂，样品臂，图像采集器五大部分组成。成像过程中，宽带光源每次发射一束光线，图像采集器将会接收到一条带有深度信息的一维数据。在OCT技术中，每条一维数据被称为一个A-scans。通过采集多个不同位置的A-scans，可以重构出生物组织或材料内部结构的二维或三维图像。然而，在对活体组织或者存在抖动状态的材料进行层析成像时。因为被检测物体的位移，会出现在同光源入射点所采集的A-scans具有不同的深度信息的现象，这将会导致由A-scans数据重构二维或三维图像时，出现图像显示信息与实际信息无法完全对应的问题。因此，在OCT成像采集过程中，使用配准方法将出现偏移的图像进行相对运动的补偿，将会使OCT技术采集到的信息更加反映真实情况。

现有OCT图像配准技术中，①.基于图像血管特征信息配准OCT图像的方法，在申请号为201710080611.5的专利中进行了描述。该专利将OCT二维图像经过降噪、分层、图像投影等预处理手段，最终得到二维图像中血管的特征点。然后将二维特征点投影到三维图像中，进行两两特征点之间的对应，从而达到配准OCT图像的效果。②.基于图像幅度信息配准OCT图像的方法，在申请号为201210109566.9的专利中进行了描述。该专利首先使用幅值归一化互相关方法粗配准OCT图像，再使用幅值归一化互相关方法配准构成OCT图像的A-scans信息达到精细配准目的。③.基于图像相位信息配准OCT图像的方法，在申请号为201580006926.4的专利中进行了描述。该专利利用OCT图像之间的相位信息以及一定的判断策略达到配准目的。

这些方式的缺点是需要对每一帧图都进行重复的最优偏移量计算，例如专利申请号为201580006926.4的专利中，他们解决人眼抖动的问题是采用计算配准图与待配准图之间相位信息的相关性，通过不断的调整这两帧图片之间的位置，求得一个最优偏移量。这个过程需要对所有待配准OCT图像进行两两之间的最优偏移量计算。这将会耗费更多的机器运算资源，并且所消耗时间相比于不消除眼动的成像方式长了十几倍。同时，该专利中配准尺度是二维图像，构成二维图像的A-scans间的抖动并没有被考虑到，这将会降低配准效果的准确度。在申请号为201210109566.9的专利中，考虑到了A-scans之间的抖动，但配准方法采用基于图像强度信息进行迭代求解最优值的方法进行配准，将会存在配准时间消耗过大的问题。在临床应用中，更短的配准时间消耗能更好的突显OCT成像的实时性优势。

发明内容

本发明的目的在于提出一种基于神经网络的OCT人眼图像采集配准方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本发明通过提前训练好的深度神经网络模型直接得到两个图像之间的偏移量，从而减少OCT系统显示高质量图像的时间。

为了实现上述目的，根据本发明的一方面，提供一种基于神经网络的OCT人眼图像采集配准方法，所述方法包括以下步骤：

S100，通过OCT系统采集与标定图像数据；