[发明专利]用于脑肿瘤术中定性和边界定位的OCT图像处理装置

权利要求书

1.用于脑肿瘤术中定性和边界定位的OCT图像处理装置，其特征在于：包括OCT探测系统，所述OCT探测系统用于获取脑肿瘤OCT图像，所述OCT图像处理装置还包括接收OCT探测系统的OCT图像的OCT图像数据库和OCT图像处理系统；所述OCT图像处理系统包括图像特征提取模块、分类定性模块和边界定位模块，所述图像特征提取模块包括OCT图像预处理模块以及对OCT图像预处理后的纹理特征和深度特征进行多重特征提取的特征提取模块，所述分类定性模块对提取的多重特征进行深度融合，采用特征融合算法进行分类，再通过与所述OCT图像数据库对比进行定性；所述边界定位模块获取所述分类定性模块的分类信息，对肿瘤的轮廓进行标识定位。

2.如权利要求1所述的用于脑肿瘤术中定性和边界定位的OCT图像处理装置，其特征在于：所述OCT图像数据库的图像为经OCT图像处理系统的图像特征提取模块、分类定性模块和边界定位模块处理后的图像集合，并经分类定性模块进行多重特征的深度融合并进行综合定性；

所述OCT图像数据库的综合定性还包括将不同组织的OCT图像与其组织病理学图进行比对。

3.如权利要求2所述的用于脑肿瘤术中定性和边界定位的OCT图像处理装置，其特征在于：所述图像特征提取模块的OCT图像预处理模块，从增强对比度、图像去噪和图像配准对OCT图像预处理；

对所述OCT图像预处理后的OCT图像的纹理特征和深度特征进行多重特征提取。

4.如权利要求3所述的用于脑肿瘤术中定性和边界定位的OCT图像处理装置，其特征在于：所述纹理特征以预处理后的OCT图像以脑肿瘤ROI区域图像作为提取对象，提取包括5维直方图特征，92维灰度共生矩阵特征、44维灰度游程长度矩阵特征；通过提取的ROI区域灰度矩阵，计算图像的灰度直方图，提取的纹理特征有均值、方差、偏斜度、峰值和能量；

所述均值(Mean)计算公式如下：

其中，h_i为灰度值为i的像素频数，G_max为图像最大灰度值；

方差(Variance)计算公式如下：

偏斜度(Skewness)计算公式如下：

峰值(Kurtosis)计算公式如下：

能量(Energy)计算公式如下：

上述作为OCT图像的纹理特征提取。

5.如权利要求3所述的用于脑肿瘤术中定性和边界定位的OCT图像处理装置，其特征在于：所述深度特征提取采用基于卷积神经网络特征提取器训练得到的深度特征，采用卷积核对原始图像进行卷积运算，在卷积神经网络中，卷积操作是为了做图像特征提取，假设原始图像为x，卷积核为w，那么第n层神经网络的第i个神经元输出得到输出值为：

其中，是滴(n-1)层的第j个神经元的图像输入值，c_n-1表示第(n-1)层的神经元数目，b表示卷积操作过程中的网络偏置参数，F(·)表示正则化函数；

在卷积操作之后，采用池化层来减少网格模型计算中产生的神经元参数，上层卷积层的输出为x′，池化后的特征输出y′为：

其中，s′为池化层的赤化模板大小，i′,j′为神经元在图像上的坐标；

通过不断池化(pooling)和卷积(convolution)得到图像的特征图，将其展开，并连接全连接层，实现最终的分类输出，对已处理OCT图像的多重特征提取。

6.如权利要求2所述的用于脑肿瘤术中定性和边界定位的OCT图像处理装置，其特征在于：所述分类定性模块对上述提取的多重特征进行深度融合，基于SVM分类器核函数机制，输入深度特征和纹理特征在多个核函数及其多个参数中寻优，分别找到最适合纹理特征和深度特征的核函数及参数设置，以及各自核函数的权重，然后将深度特征核函数和纹理特征核函数融合在一起实现多重特征进行深度融合，利用SVM分类器进行多特征的多核函数分类。