[发明专利]基于深度学习的OCT心血管斑块自动识别与分析方法

权利要求书

1.一种基于深度学习的OCT心血管斑块自动识别与分析方法，其特征在于，包括如下步骤：

S100、纵深截面处理：对OCT图像的纵深截面进行分割处理，得到分割结果A1；

S200、横截面处理：对OCT图像的横截面进行分割处理，得到分割结果A2；

S300、截面综合处理：综合纵深截面处理结果A1以及横截面处理结果A2并进行分割处理，得到分割结果A；

S400、结果分析：根据分割结果A，计算斑块衰减指数IPA，得出斑块类别。

2.根据权利要求1所述的基于深度学习的OCT心血管斑块自动识别与分析方法，其特征在于，在步骤S100中，纵深截面处理具体步骤包括:

S101、输入纵深截面的2D图像{Image(i，j，k)；k＝1，2，3，…，M}＝{Image(i，j，1)，Image(i，j，2)，Image(i，j，3)，…，Image(i，j，M)}，其中Image(i，j，k)表示2D图像中每个点的坐标；

S102、输出分割后的2D图像，并且大小与输入图像一致，有用区域像素为1，无用区域像素为0，得到所有纵深截面的2D图像后，组合得到3D图像A1。

3.根据权利要求2所述的基于深度学习的OCT心血管斑块自动识别与分析方法，其特征在于，步骤S102的具体处理方法为：对纵深截面的各个2D图像进行卷积运算，组合获取3D图像A1。

4.根据权利要求1所述的基于深度学习的OCT心血管斑块自动识别与分析方法，其特征在于，在步骤S200中，横截面处理具体步骤包括：

S201、输入横截面的2D图像{Image(i，j，k)；i＝1，2，3，…，N}＝{Image(1，j，k)，Image(2，j，k)，Image(3，j，k)，…，Image(N，j，k)}，其中Image(i，j，k)表示2D图像中每个点的坐标；

S202、输出分割后的2D图像，并且大小与输入图像一致，有用区域像素为1，无用区域像素为0，得到所有横截面的2D图像后，组合得到3D图像A2。

5.根据权利要求1所述的基于深度学习的OCT心血管斑块自动识别与分析方法，其特征在于，对横截面的各个2D图像进行卷积运算，组合获取3D图像A2。

6.根据权利要求1所述的基于深度学习的OCT心血管斑块自动识别与分析方法，其特征在于，在步骤S300中，截面综合处理具体步骤包括：

S301、输入所有的纵深截面分割结果A1以及横截面分割结果A2；

S302、综合纵深界面分割结果A1以及横截面分割结果A2计算分割结果A，其中A＝A1∩A2。

7.根据权利要求1所述的基于深度学习的OCT心血管斑块自动识别与分析方法，其特征在于，步骤S400中，结果分析的具体步骤包括：

S401、根据分割结果A的计算公式进行分割结果A的计算并输入；

S402、输出斑块类别；

S403、计算斑块衰减系数IPA的值：

其中x为斑块衰减系数阈值，μ_t为衰减系数，N(μ_t＞x)指衰减系数大于x的像素点个数，N_total表示分割结果A的有效区域。