基於卷積神經網路的代理輔助視網膜OCT影像分類演算法

• 2019 年 12 月 6 日
• 筆記

來源：廣東省數字訊號與影像處理技術重點實驗室

作為一種非浸入式成像模式，光學相干斷層掃描（optical coherence tomography, OCT）在眼科疾病診斷中得到了廣泛的應用。然而，近年來眼病患者的數量呈現出一種不斷遞增的趨勢，在這種情況下，眼科醫生的負擔也必將越來越重。因此，研究開發自動對OCT影像進行分類的系統十分有必要，它將大大降低醫生的工作量，提高醫生的診斷效率。

隨著深度學習的復興，卷積神經網路在影像分類中的得到了廣泛的應用。 然而訓練卷積神經網路需要大量帶標籤的影像，這在醫學影像領域通常是一個挑戰。為此我們提出代理影像的概念來增加數據，進而訓練卷積神經網路對OCT影像進行分類。具體地，如圖1 所示，首先對OCT影像進行去噪處理；然後基於去噪影像提取出模板；利用去噪影像和對應的模板生成大量原圖的代理影像；接著利用這些代理影像訓練卷積神經網路；最後，用訓練好的卷積神經網路對原圖的代理影像進行分類，並取對這些代理影像分類結果的平均值作為原圖的最終分類結果。圖2展示了一些演算法分類結果的示例圖。

圖1. 所提演算法流程圖

圖 2. 分類示例圖。其中gt=1或gt=2表示該影像被醫生標記為不正常或正常。score是一個位於0到1之間的值，它由演算法決定。score值越高，表示該影像被分類為不正常的概率越高。

目前成果：研究成果已經在 IEEE Journal of Biomedical and Health Informatics 上發表。

論文引用： Y. Rong, D. Xiang, W. Zhu, F. Shi, Z. Fan and X. Chen, 「Surrogate-Assisted Retinal OCT Image Classification Based on Convolutional Neural Networks 」, IEEE Journal of Biomedical and Health Informatics, vol. 23, no. 1, pp. 253-263, 2019. (SCI 資訊系統1區， IF: 3.850).