[发明专利]使用神经网络校正OCTA体积中的流投影伪影

权利要求书

1.一种减少眼睛的基于光学相干断层扫描(OCT)的图像中的伪影的方法，所述方法包括：

从OCT系统采集所述眼睛的OCT图像数据，所述OCT图像数据包括深度指标信息；

将所述OCT图像数据提交给经训练的神经网络，所述神经网络至少部分基于所述深度指标信息在不同轴向位置应用上下文不同的计算，并产生与收集的OCT图像数据相比所述伪影减少的基于OCT的输出图像。

2.根据权利要求1所述的方法，其中，不同计算在上下文中取决于预限定的局部视网膜界标。

3.根据权利要求2所述的方法，其中，所述视网膜界标是预限定的视网膜层。

4.根据权利要求1至3中任一项所述的方法，其中，所述伪影是投影伪影、去相关尾部、阴影伪影和不透明度中的一者或多者。

5.根据权利要求1至4中任一项所述的方法，其中，所述神经网络包括：

输入层，所述输入层用于接收所述OCT图像数据；

动态池化层，所述动态池化层在所述输入层之后，用于将图像信息紧缩到可变深度范围之外，所述可变深度范围由接收的OCT图像数据中的预选择的视网膜界标的位置来限定；

多个数据处理层，所述多个数据处理层在所述动态池化层之后，所述数据处理层至少部分地基于所述深度指标信息在不同轴向位置处执行上下文不同的计算；

输出层，将所述多个数据处理层的输出与目标输出OCTA图像进行比较，并通过反向传播过程来调整所述数据处理层的内部权重。

6.根据权利要求5所述的方法，其中，所述神经网络基于所述预选择的视网膜界标对正被处理的所述OCT图像数据的当前轴向位置的局部接近度，应用具有不同权重的损失函数。

7.根据权利要求5所述的方法，其中，所述预选择的视网膜界标是特定的视网膜层。

8.根据权利要求7所述的方法，其中，所述神经网络基于特定的视网膜层应用具有不同权重的损失函数。

9.根据权利要求8所述的方法，其中，所述损失函数具有用于在内界膜ILM和视网膜色素上皮RPE之间的区域的第一权重，以及用于其它地方的第二权重。

10.根据权利要求9所述的方法，其中，所述第一权重至少比所述第二权重大一个数量级。

11.根据权利要求6或8至10所述的方法，其中，所述损失函数是L1函数。

12.根据权利要求1至11中任一项所述的方法，其中，所述神经网络具有卷积结构。

13.根据权利要求1至11中任一项所述的方法，中，所述神经网络包括U-Net结构，所述U-Net结构包括：

多个编码模块，位于收缩路径中；以及

多个解码模块，位于扩展路径中，每个解码模块对应所述收缩路径中的单独的编码模块；

其中，每个编码模块将卷积应用于每个编码模块的输入，并将按列最大池化应用于卷积结果以限定缩小的图像，然后将所述缩小的图像上采样到所述编码模块的输入的尺寸，并级联到所述编码模块的输入，然后再进行另一卷积。

14.根据权利要求13所述的方法，其中，所述U-Net结构进一步包括在所述收缩路径和所述扩展路径之间的瓶颈模块，并且所述瓶颈模块应用按列池化。