CN113724236B - 基于注意力机制的oct图像检测方法及相关设备 - Google Patents

基于注意力机制的oct图像检测方法及相关设备 Download PDF

Info

Publication number
CN113724236B
CN113724236B CN202111032326.9A CN202111032326A CN113724236B CN 113724236 B CN113724236 B CN 113724236B CN 202111032326 A CN202111032326 A CN 202111032326A CN 113724236 B CN113724236 B CN 113724236B
Authority
CN
China
Prior art keywords
oct image
vocabulary
attention
retina
output sequence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111032326.9A
Other languages
English (en)
Other versions
CN113724236A (zh
Inventor
温华杰
赵建
黄炳顶
相韶华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Technology University
Original Assignee
Shenzhen Technology University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Technology University filed Critical Shenzhen Technology University
Priority to CN202111032326.9A priority Critical patent/CN113724236B/zh
Publication of CN113724236A publication Critical patent/CN113724236A/zh
Application granted granted Critical
Publication of CN113724236B publication Critical patent/CN113724236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明提供了一种基于注意力机制的OCT图像检测方法，其包括：获取视网膜OCT图像；对所述视网膜OCT图像进行底层特征提取操作，得到特征图；对所述特征图中的像素进行展平操作，得到序列词汇；通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇；将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，基于所述分类信息判断所述视网膜OCT图是否属于病灶图像，若是，则依据所述分类信息计算出所述视网膜OCT图像的病灶区域。本发明提高了视网膜OCT图像分类的准确度、灵敏度及特异性，且可以定位所述视网膜OCT图像上的病灶区域。

Description

基于注意力机制的OCT图像检测方法及相关设备
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于注意力机制的OCT图像检测方法、装置、电子设备及存储介质。
背景技术
光学相干断层扫描技术(OCT)是用于视网膜病变检测的一项重要技术，通过OCT图像可以观测到多种视网膜病灶，例如，视网膜内积液、色素上皮脱离、脉络膜新生血管等。而通过卷积神经网络或基于注意力机制的Vision Transformer技术对眼科OCT图像进行自动病灶检测，可以为医生对眼科疾病进行初始诊断、治疗反应的评估以及随访检查提供有效的影响学诊断指标。。
当前问题是，虽然卷积神经网络已经在大多数领域中应用广泛，但它存在无法理解图片和语义关系、没有空间分层和空间推理能力的缺点。基于注意力机制的VisionTransformer虽然能够考虑图像的全局特点，具有空间分层和空间推理能力，但由于它使用图像的分块进行输入，在小特征的图像分类任务中导致了细节的丢失，从而影响图像的分类准确度。而OCT图像跟传统图像有着较大的差别，OCT图像包含大量的散斑噪声，采用卷积神经网络及VisionTransformer对OCT图像进行分类不能很好的提高分类的准确度、灵敏度及特异性，也不能直接得出病灶位置信息。
因此，实有必要提供一种基于注意力机制的OCT图像检测方法、装置、电子设备及存储介质解决上述技术问题。
发明内容
鉴于以上内容，有必要提供一种基于注意力机制的OCT图像检测方法、装置、电子设备及存储介质，旨在可以直接定位所述视网膜OCT图像上的病灶区域。
为实现上述目的，本发明提出一种基于注意力机制的OCT图像检测方法、装置、电子设备。
第一方面，本发明实施例提供了一种基于注意力机制的OCT图像检测方法，应用于电子设备，所述方法包括：
获取视网膜OCT图像；
对所述视网膜OCT图像进行底层特征提取操作，得到特征图；
对所述特征图中的像素进行展平操作，得到序列词汇，其中，所述序列词汇表示所述特征图中的像素；
通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇；
将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，所述分类信息包括输出序列词汇、输出序列词汇的维度、患病种类、患病种类的概率、所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；
基于所述分类信息判断所述视网膜OCT图是否属于病灶图像；若否，则输出所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；若是，则根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域。
优选的，所述自注意力识别模型包括多头自注意力块、均值池化层和分类器；其中，所述多头自注意力块用于依据所述输入序列词汇进行全局特征建模，得出所述输出序列词汇；所述均值池化层用于对所述输出序列词汇池化至固定的长度大小，得到所述输出序列词汇的维度；所述分类器用于依据所述输出序列词汇和所述输出序列词汇的维度对所述视网膜OCT图像进行分类得到所述视网膜OCT图像的类别、所述视网膜OCT图像的类别概率、患病种类以及患病种类的概率。
优选的，所述根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域的步骤中，满足如下条件：
Figure BDA0003245831830000021
Figure BDA0003245831830000022
其中，A表示输出序列词汇；i表示输出序列词汇中的第i个词汇；
Figure BDA0003245831830000031
表示输出序列词汇A中的第i个词汇的第k维度；c表示患病种类；yc表示患病种类c的输出权重；/>
Figure BDA0003245831830000032
表示患病种类c下输出序列词汇中的所有词汇在维度k上的平均梯度；ReLU表示激活函数；/>
Figure BDA0003245831830000033
表示偏导数。
优选的，所述对所述视网膜OCT图像进行底层特征提取操作，得到特征图的步骤中，所述底层特征提取操作包括卷积操作、归一化操作以及ReLU激活操作。
优选的，所述通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇的步骤中，满足如下条件：
μ＝[x1E+p1；x2E+p2；…；x256E+p256]，
其中，x为特征图的像素，E为线性投影，p为位置嵌入，μ为经过线性投影及位置嵌入后的序列词汇，即输入序列词汇。
优选的，所述多头自注意力块由多个独立的单头自注意力块组成，所述多头注意力块的公式为：
Figure BDA0003245831830000034
其中，softmax表示归一化指数函数；dk表示单头自注意力块的维度；μ为输入序列词汇；
Figure BDA0003245831830000035
表示单头自注意力块i下的Q矩阵的权重；/>
Figure BDA0003245831830000036
表示单头自注意力块i下的K矩阵的权重；/>
Figure BDA0003245831830000037
表示单头自注意力块i下的V矩阵的权重；Qi表示单头自注意力块i下的/>
Figure BDA0003245831830000038
的计算结果；Ki表示单头自注意力块i下的/>
Figure BDA0003245831830000039
的计算结果；Vi表示单头自注意力块i下的/>
Figure BDA00032458318300000310
的计算结果；Attention表示自定义的注意力函数名称。
第二方面，本发明实施例还提供一种基于注意力机制的OCT图像检测装置，该装置包括：
获取模块，用于获取视网膜OCT图像；
特征提取模块，用于对所述视网膜OCT图像进行底层特征提取操作，得到特征图；
像素展平模块，用于对所述特征图中的像素进行展平操作，得到序列词汇，其中，所述序列词汇表示所述特征图中的像素；
嵌入模块，用于通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇；
识别模块，用于将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，所述分类信息包括输出序列词汇、输出序列词汇的维度、患病种类、患病种类的概率、所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；
计算模块，基于所述分类信息判断所述视网膜OCT图是否属于病灶图像；若否，则输出所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；若是，则根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域。
第三方面，本发明实施例还提供一种电子设备，所述电子设备包括：处理器和与所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的基于注意力机制的OCT图像检测程序，所述处理器执行所述基于注意力机制的OCT图像检测程序时实现如本发明实施例提供的上述基于注意力机制的OCT图像检测方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于注意力机制的OCT图像检测程序，所述基于注意力机制的OCT图像检测程序可被处理器执行，以实现如本发明实施例提供的上述基于注意力机制的OCT图像检测方法的步骤。
相较现有技术，本发明所提出的一种基于注意力机制的OCT图像检测方法、装置、电子设备及存储介质，通过对视网膜OCT图像进行底层特征提取操作，得到特征图；并将特征图上的每一个像素看作为自注意力识别模型的输入序列词汇，并使用多头自注意力块实现全局特征的建模，最终提高视网膜OCT图像分类的准确度、灵敏度及特异性。除此之外，根据所述视网膜OCT图像的分类信息计算出视网膜OCT图像上的区域，实现定位视网膜OCT图像的病灶位置。
附图说明
图1为本发明实施例提供的基于注意力机制的OCT图像检测方法的流程示意图；
图2为本发明实施例提供的基于注意力机制的OCT图像检测装置的模块示意图；
图3为本发明实施例提供的电子设备一可选的硬件架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本申请实施例提供的基于注意力机制的OCT图像检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述静态物体区域内检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参阅图1所示，是本发明实施例提供的基于注意力机制的OCT图像检测方法的流程示意图，该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，一种基于注意力机制的OCT图像检测方法包括以下步骤：
步骤1，获取视网膜OCT图像。
步骤2，对所述视网膜OCT图像进行底层特征提取操作，得到特征图。
在本实施例中，所述底层特征提取操作包括卷积操作、归一化操作以及ReLU激活操作。具体的，所述特征提取操作的执行流程为：对所述视网膜OCT图像(图像大小为：512*512*3，长*宽*通道)进行多层的卷积、归一化和ReLU激活，最终得到一个大小为16*16*512(长*宽*通道)的特征图。
步骤3，对所述特征图中的像素进行展平操作，得到序列词汇，其中，所述序列词汇表示所述特征图中的像素。
需要说明的是，对所述特征图中的像素进行展平操作，使得大小为16*16*512(长*宽*通道)的特征图转变为大小为256*1*512(长*宽*通道)的特征图。
步骤4，通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇。
进一步的，该步骤通过像素线性投影将大小为256*1*512(长*宽*通道)的特征图调整为256*1*768(长*宽*通道)，然后把该特征图中的每一个像素看作为自注意力识别模型的输入序列词汇，因此所述输入序列词汇的总长度为256，每一序列词汇用768维向量表示。
在本实施例中，通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇的步骤中，满足如下条件：
μ＝[x1E+p1；x2E+p2；…；x256E+p256]，
其中，x为特征图的像素，E为线性投影，p为位置嵌入，μ为经过线性投影及位置嵌入后的序列词汇，即输入序列词汇。
步骤5，将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，所述分类信息包括输出序列词汇、输出序列词汇的维度、患病种类、患病种类的概率、所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率。
值得一提的是，所述自注意力识别模型包括多头自注意力块、均值池化层和分类器；其中，所述多头自注意力块用于依据所述输入序列词汇进行全局特征建模，得出所述输出序列词汇；所述均值池化层用于对所述输出序列词汇池化至固定的长度大小，得到所述输出序列词汇的维度；所述分类器用于依据所述输出序列词汇和所述输出序列词汇的维度对所述视网膜OCT图像进行分类得到所述视网膜OCT图像的类别、所述视网膜OCT图像的类别概率、患病种类以及患病种类的概率。
更优的是，所述多头自注意力块由多个独立的单头自注意力块组成。多头注意力块的公式为：
Figure BDA0003245831830000061
其中，softmax表示归一化指数函数；dk表示单头自注意力块的维度；μ为输入序列词汇；
Figure BDA0003245831830000071
表示单头自注意力块i下的Q矩阵的权重；/>
Figure BDA0003245831830000072
表示单头自注意力块i下的K矩阵的权重；/>
Figure BDA0003245831830000073
表示单头自注意力块i下的V矩阵的权重；Qi表示单头自注意力块i下的/>
Figure BDA0003245831830000074
的计算结果；Ki表示单头自注意力块i下的/>
Figure BDA0003245831830000075
的计算结果；Vi表示单头自注意力块i下的/>
Figure BDA0003245831830000076
的计算结果；Attention表示自定义的注意力函数名称。
步骤6，基于所述分类信息判断所述视网膜OCT图是否属于病灶图像；若否，则输出所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；若是，则根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域。
在本实施例中，所述根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域，其具体的计算公式为：
Figure BDA0003245831830000077
Figure BDA0003245831830000078
其中，A表示输出序列词汇；i表示输出序列词汇中的第i个词汇；
Figure BDA0003245831830000079
表示输出序列词汇A中的第i个词汇的第k维度；c表示患病种类；yc表示患病种类c的输出权重；/>
Figure BDA00032458318300000710
表示患病种类c下输出序列词汇中的所有词汇在维度k上的平均梯度；ReLU表示激活函数，当输入为正数时，输出结果等于输入，当输入为负数时，输出结果为0；/>
Figure BDA00032458318300000711
表示偏导数。
本发明所提出的一种基于注意力机制的OCT图像检测方法中，通过对视网膜OCT图像进行底层特征提取操作，得到特征图；并将特征图上的每一个像素看作为自注意力识别模型的输入序列词汇，并使用多头自注意力块实现全局特征的建模，最终提高视网膜OCT图像分类的准确度、灵敏度及特异性。除此之外，根据所述视网膜OCT图像的分类信息计算出视网膜OCT图像上的区域，实现定位视网膜OCT图像的病灶位置。
参阅图2所示，是本发明实施例提供的基于注意力机制的OCT图像检测装置的模块示意图。
本实施例中，所述基于注意力机制的OCT图像检测装置200包括一系列的存储于存储器11上的计算机程序指令，当该计算机程序指令被处理器12执行时，可以实现本发明静基于注意力机制的OCT图像检测操作。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，基于注意力机制的OCT图像检测装置200可以被划分为一个或多个模块。例如，在图2中，所述基于注意力机制的OCT图像检测装置200可以被分割成获取模块201、特征提取模块202、像素展平模块203、嵌入模块204、识别模块205以及计算模块206。其中：
获取模块201，用于获取视网膜OCT图像。
特征提取模块202，用于对所述视网膜OCT图像进行底层特征提取操作，得到特征图。
在本实施例中，所述底层特征提取操作包括卷积操作、归一化操作以及ReLU激活操作。具体的，所述特征提取操作的执行流程为：对所述视网膜OCT图像(图像大小为：512*512*3，长*宽*通道)进行多层的卷积、归一化和ReLU激活，最终得到一个大小为16*16*512(长*宽*通道)的特征图。
像素展平模块203，用于对所述特征图中的像素进行展平操作，得到序列词汇，其中，所述序列词汇表示所述特征图中的像素。
需要说明的是，对所述特征图中的像素进行展平操作，使得大小为16*16*512(长*宽*通道)的特征图转变为大小为256*1*512(长*宽*通道)的特征图。
嵌入模块204，用于通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇。
进一步的，该模块通过像素线性投影将大小为256*1*512(长*宽*通道)的特征图调整为256*1*768(长*宽*通道)，然后把该特征图中的每一个像素看作为自注意力识别模型的输入序列词汇，因此所述输入序列词汇的总长度为256，每一序列词汇用768维向量表示。
在本实施例中，通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇的步骤中，满足如下条件：
μ＝[x1E+p1；x2E+p2；…；x256E+p256]，
其中，x为特征图的像素，E为线性投影，p为位置嵌入，μ为经过线性投影及位置嵌入后的序列词汇，即输入序列词汇。
识别模块205，用于将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，所述分类信息包括输出序列词汇、输出序列词汇的维度、患病种类、患病种类的概率、所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率。
值得一提的是，所述自注意力识别模型包括多头自注意力块、均值池化层和分类器；其中，所述多头自注意力块用于依据所述输入序列词汇进行全局特征建模，得出所述输出序列词汇；所述均值池化层用于对所述输出序列词汇池化至固定的长度大小，得到所述输出序列词汇的维度；所述分类器用于依据所述输出序列词汇和所述输出序列词汇的维度对所述视网膜OCT图像进行分类得到所述视网膜OCT图像的类别、所述视网膜OCT图像的类别概率、患病种类以及患病种类的概率。
更优的是，所述多头自注意力块由多个独立的单头自注意力块组成。多头注意力块的公式为：
Figure BDA0003245831830000091
其中，softmax表示归一化指数函数；dk表示单头自注意力块的维度；μ为输入序列词汇；
Figure BDA0003245831830000092
表示单头自注意力块i下的Q矩阵的权重；/>
Figure BDA0003245831830000093
表示单头自注意力块i下的K矩阵的权重；/>
Figure BDA0003245831830000094
表示单头自注意力块i下的V矩阵的权重；Qi表示单头自注意力块i下的/>
Figure BDA0003245831830000095
的计算结果；Ki表示单头自注意力块i下的/>
Figure BDA0003245831830000096
的计算结果；Vi表示单头自注意力块i下的/>
Figure BDA0003245831830000097
的计算结果；Attention表示自定义的注意力函数名称。
计算模块206，基于所述分类信息判断所述视网膜OCT图是否属于病灶图像；若否，则输出所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；若是，则根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域。
在本实施例中，所述根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域，其具体的计算公式为：
Figure BDA0003245831830000098
Figure BDA0003245831830000099
其中，A表示输出序列词汇；i表示输出序列词汇中的第i个词汇；
Figure BDA00032458318300000910
表示输出序列词汇A中的第i个词汇的第k维度；c表示患病种类；yc表示患病种类c的输出权重；/>
Figure BDA00032458318300000911
表示患病种类c下输出序列词汇中的所有词汇在维度k上的平均梯度；ReLU表示激活函数，当输入为正数时，输出结果等于输入，当输入为负数时，输出结果为0；/>
Figure BDA0003245831830000101
表示偏导数。
本发明所提出的一种基于注意力机制的OCT图像检测装置中，通过对视网膜OCT图像进行底层特征提取操作，得到特征图；并将特征图上的每一个像素看作为自注意力识别模型的输入序列词汇，并使用多头自注意力块实现全局特征的建模，最终提高视网膜OCT图像分类的准确度、灵敏度及特异性。除此之外，根据所述视网膜OCT图像的分类信息计算出视网膜OCT图像上的区域，实现定位视网膜OCT图像的病灶位置。
参阅图3所示，是本发明实施例提供的实现基于注意力机制的OCT图像检测方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线12，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于注意力机制的OCT图像检测程序13。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于注意力机制的OCT图像检测程序13的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行静态物体区域内检测程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线12可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于注意力机制的OCT图像检测程序13是多个指令的组合，在所述处理器10中运行时，可以实现如上述基于注意力机制的OCT图像检测方法的步骤。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质可以是非易失性的，也可以是易失性的。所述计算机可读存储介质存储有基于注意力机制的OCT图像检测程序，所述基于注意力机制的OCT图像检测程序可被处理器执行，以使所述处理器执行上述基于注意力机制的OCT图像检测方法实施例中的步骤。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于注意力机制的OCT图像检测方法，应用于电子设备，其特征在于，所述方法包括：
获取视网膜OCT图像；
对所述视网膜OCT图像进行底层特征提取操作，得到特征图；
对所述特征图中的像素进行展平操作，得到序列词汇，其中，所述序列词汇表示所述特征图中的像素；
通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇；
将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，所述分类信息包括输出序列词汇、输出序列词汇的维度、患病种类、患病种类的概率、所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；
基于所述分类信息判断所述视网膜OCT图是否属于病灶图像；若否，则输出所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；若是，则根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域；
所述根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域的步骤中，满足如下条件：
Figure FDA0004198822500000011
Figure FDA0004198822500000012
其中，A表示输出序列词汇；i表示输出序列词汇中的第i个词汇；
Figure FDA0004198822500000013
表示输出序列词汇A中的第i个词汇的第k维度；c表示患病种类；yc表示患病种类c的输出权重；/>
Figure FDA0004198822500000014
表示患病种类c下输出序列词汇中的所有词汇在维度k上的平均梯度；ReLU表示激活函数；/>
Figure FDA0004198822500000015
表示偏导数。
2.如权利要求1所述的基于注意力机制的OCT图像检测方法，其特征在于，所述自注意力识别模型包括多头自注意力块、均值池化层和分类器；其中，所述多头自注意力块用于依据所述输入序列词汇进行全局特征建模，得出所述输出序列词汇；所述均值池化层用于对所述输出序列词汇池化至固定的长度大小，得到所述输出序列词汇的维度；所述分类器用于依据所述输出序列词汇和所述输出序列词汇的维度对所述视网膜OCT图像进行分类得到所述视网膜OCT图像的类别、所述视网膜OCT图像的类别概率、患病种类以及患病种类的概率。
3.如权利要求1所述的基于注意力机制的OCT图像检测方法，其特征在于，所述对所述视网膜OCT图像进行底层特征提取操作，得到特征图的步骤中，所述底层特征提取操作包括卷积操作、归一化操作以及ReLU激活操作。
4.如权利要求2所述的基于注意力机制的OCT图像检测方法，其特征在于，所述通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇的步骤中，满足如下条件：
μ＝[x1E+p1；2E+p2；…；x256E+p256]
其中，x为特征图的像素，E为线性投影，p为位置嵌入，μ为经过线性投影及位置嵌入后的序列词汇，即输入序列词汇。
5.如权利要求4所述的基于注意力机制的OCT图像检测方法，其特征在于，所述多头自注意力块由多个独立的单头自注意力块组成，所述多头自注意力块的公式为：
Figure FDA0004198822500000021
其中，softmax表示归一化指数函数；dk表示单头自注意力块的维度；μ为输入序列词汇；
Figure FDA0004198822500000022
表示单头自注意力块i下的Q矩阵的权重；/>
Figure FDA0004198822500000023
表示单头自注意力块i下的K矩阵的权重；
Figure FDA0004198822500000024
表示单头自注意力块i下的V矩阵的权重；Qi表示单头自注意力块i下的/>
Figure FDA0004198822500000025
的计算结果；Ki表示单头自注意力块i下的/>
Figure FDA0004198822500000027
的计算结果；Vi表示单头自注意力块i下的/>
Figure FDA0004198822500000026
的计算结果；Attention表示自定义的注意力函数名称。
6.一种基于注意力机制的OCT图像检测装置，其特征在于，该装置包括：
获取模块，用于获取视网膜OCT图像；
特征提取模块，用于对所述视网膜OCT图像进行底层特征提取操作，得到特征图；
像素展平模块，用于对所述特征图中的像素进行展平操作，得到序列词汇，其中，所述序列词汇表示所述特征图中的像素；
嵌入模块，用于通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇；
识别模块，用于将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，所述分类信息包括输出序列词汇、输出序列词汇的维度、患病种类、患病种类的概率、所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；
计算模块，基于所述分类信息判断所述视网膜OCT图是否属于病灶图像；若否，则输出所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；若是，则根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域；
所述计算模块满足如下条件：
Figure FDA0004198822500000031
Figure FDA0004198822500000032
其中，A表示输出序列词汇；i表示输出序列词汇中的第i个词汇；
Figure FDA0004198822500000033
表示输出序列词汇A中的第i个词汇的第k维度；c表示患病种类；yc表示患病种类c的输出权重；/>
Figure FDA0004198822500000034
表示患病种类c下输出序列词汇中的所有词汇在维度k上的平均梯度；ReLU表示激活函数；/>
Figure FDA0004198822500000035
表示偏导数。
7.一种电子设备，其特征在于，所述电子设备包括：处理器和与所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的基于注意力机制的OCT图像检测程序，所述处理器执行所述基于注意力机制的OCT图像检测程序时实现如权利要求1至5中任意一项所述的基于注意力机制的OCT图像检测方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于注意力机制的OCT图像检测程序，所述基于注意力机制的OCT图像检测程序可被处理器执行，并实现如权利要求1至5中任意一项所述的基于注意力机制的OCT图像检测方法的步骤。
CN202111032326.9A 2021-09-03 2021-09-03 基于注意力机制的oct图像检测方法及相关设备 Active CN113724236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111032326.9A CN113724236B (zh) 2021-09-03 2021-09-03 基于注意力机制的oct图像检测方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111032326.9A CN113724236B (zh) 2021-09-03 2021-09-03 基于注意力机制的oct图像检测方法及相关设备

Publications (2)

Publication Number Publication Date
CN113724236A CN113724236A (zh) 2021-11-30
CN113724236B true CN113724236B (zh) 2023-06-09

Family

ID=78681466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111032326.9A Active CN113724236B (zh) 2021-09-03 2021-09-03 基于注意力机制的oct图像检测方法及相关设备

Country Status (1)

Country Link
CN (1) CN113724236B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108257135A (zh) * 2018-02-01 2018-07-06 浙江德尚韵兴图像科技有限公司 基于深度学习方法解读医学图像特征的辅助诊断系统
CN109165667A (zh) * 2018-07-06 2019-01-08 中国科学院自动化研究所 基于自注意力机制的脑疾病分类系统
CN110472530A (zh) * 2019-07-29 2019-11-19 中山大学 基于小波变换和迁移学习的视网膜oct图像分类方法
JP2020054812A (ja) * 2018-09-28 2020-04-09 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
CN112967227A (zh) * 2021-01-29 2021-06-15 中国科学技术大学 基于病灶感知建模的糖尿病视网膜病变自动评估系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108257135A (zh) * 2018-02-01 2018-07-06 浙江德尚韵兴图像科技有限公司 基于深度学习方法解读医学图像特征的辅助诊断系统
CN109165667A (zh) * 2018-07-06 2019-01-08 中国科学院自动化研究所 基于自注意力机制的脑疾病分类系统
JP2020054812A (ja) * 2018-09-28 2020-04-09 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
CN110472530A (zh) * 2019-07-29 2019-11-19 中山大学 基于小波变换和迁移学习的视网膜oct图像分类方法
CN112967227A (zh) * 2021-01-29 2021-06-15 中国科学技术大学 基于病灶感知建模的糖尿病视网膜病变自动评估系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
AN IMAGE IS WORTH 16X16 WORDS TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE;Alexey Dosovitskiy等;《arXiv》;1-22 *
Attention Is All You Need;Vaswani A等;《Advances in neural information processing systems》;1-11 *
Multi-Level Dual-Attention Based CNN for Macular Optical Coherence Tomography Classification;S. S. Mishra等;《in IEEE Signal Processing Letters》;第26卷(第12期);1793-1797 *
基于CNN的视网膜OCT图像水肿区域分割;冯爽朗;《中国优秀硕士学位论文全文数据库：医药卫生科技辑》(第2期);E073-179 *
基于U-net结构改进的医学影像分割技术综述;殷晓航等;《软件学报》;第32卷(第2期);519-550 *

Also Published As

Publication number Publication date
CN113724236A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
JP7058373B2 (ja) 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体
US10722181B2 (en) Systems, methods, and computer-readable media for using descriptors to identify when a subject is likely to have a dysmorphic feature
WO2021082691A1 (zh) 眼部oct图像病灶区域的分割方法、装置及终端设备
WO2018201647A1 (zh) 视网膜病变程度等级检测方法、装置及存储介质
US20220108449A1 (en) Method and device for neural network-based optical coherence tomography (oct) image lesion detection, and medium
RU2011116406A (ru) Система и способ для объединения клинических признаков и признаков изображений для диагностики с применением компьютера
WO2021189913A1 (zh) 图像中目标物的分割方法、装置、电子设备及存储介质
Xiao et al. Major automatic diabetic retinopathy screening systems and related core algorithms: a review
CN112926537B (zh) 图像处理方法、装置、电子设备以及存储介质
US10832410B2 (en) Computer system, method, and program for diagnosing subject
CN112837805A (zh) 基于深度学习的眼睑拓扑形态特征的提取方法
CN116681923A (zh) 一种基于人工智能的眼科疾病自动分类方法及系统
CN113576508A (zh) 一种基于神经网络的脑出血辅助诊断系统
CN111242920A (zh) 一种生物组织图像检测方法、装置、设备及介质
WO2021159643A1 (zh) 基于眼部oct图像的视杯和视盘定位点检测方法及装置
CN113793326A (zh) 一种基于图像的疾病识别方法和装置
CN113724236B (zh) 基于注意力机制的oct图像检测方法及相关设备
CN111862034B (zh) 图像检测方法、装置、电子设备及介质
Ríos et al. A deep learning model for classification of diabetic retinopathy in eye fundus images based on retinal lesion detection
CN113270168B (zh) 一种提高医学图像处理能力的方法及系统
JP2023523791A (ja) 顔面麻痺及び注視偏位の評価
US20240257969A1 (en) Methods and Systems for Providing Clinical States of an Ocular Disease Based on Genomic Data and Phenotypic Data of Subjects
Hyma et al. Classification of Diabetic Retinopathy Using Deep Neural Networks
CN117011161A (zh) 图像缺陷智能检测方法、装置、设备及存储介质
CN115131592A (zh) 眼底图像分类的阅片系统及阅片方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant