一种糖尿病周围神经病变的神经图像分割方法
本申请涉及图像处理,特别是涉及一种糖尿病周围神经病变的神经图像分割方法。
背景技术:
1、糖尿病周围神经病变是糖尿病常见的慢性并发症之一,早期诊断和病情监测对延缓病变进展具有重要意义。角膜共焦显微镜是一种非侵入性成像技术,能够对角膜基底神经丛的神经纤维进行成像,通过定量分析神经纤维的长度、密度、分支密度和弯曲度等形态学参数,为糖尿病周围神经病变的早期诊断和病情评估提供客观依据。在这一诊断流程中,需要对角膜共焦显微镜图像进行神经纤维的精细分割,以准确提取相关形态学参数。
2、目前,基于深度学习的图像分割网络已广泛应用于医学图像的处理中,通过大量标注数据训练完成的分割模型,能够以高精度识别图像中的目标结构。然而,这类网络在推理阶段通常只输出单一的确定性分割结果,无法评估该分割结果中各个像素点的分割可靠性。在角膜神经纤维分割场景中,图像采集时的局部失焦、光照不均匀和纤维交叠等因素会导致部分区域的分割结果可信度较低,但现有方法无法量化不同区域的分割不确定性,临床医生在基于分割结果进行纤维参数计算和诊断时,无法判断哪些区域的分割结果可靠、哪些区域可能存在偏差,若将低质量分割区域纳入参数计算,可能直接影响最终诊断结论的准确性。
技术实现思路
1、本申请提供了一种糖尿病周围神经病变的神经图像分割方法,改善了在糖尿病周围神经病变诊断中,神经纤维分割结果缺乏可靠性评估的情况下,临床医生无法区分高质量与低质量的分割区域,若将低质量区域的参数纳入诊断,可能导致诊断结论不准确的技术问题。
2、本申请公开了如下技术方案:
3、本申请提供了一种糖尿病周围神经病变的神经图像分割方法,所述方法包括:
4、获取角膜共焦显微镜图像,采用带有蒙特卡洛随机丢弃机制的图像分割网络,对所述角膜共焦显微镜图像执行n次前向传播,得到n个分割结果,其中,n为大于等于20的整数;
5、根据所述n个分割结果计算每个像素点的分割概率和不确定性值,生成分割概率掩膜和不确定性热图;
6、根据所述不确定性热图确定每个像素点的置信度等级,并基于所述置信度等级对所述分割概率掩膜进行修正,得到最终分割掩膜;
7、根据所述最终分割掩膜计算角膜神经纤维参数,并基于所述n个分割结果计算所述角膜神经纤维参数的可信度区间。
8、本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
9、本申请技术方案提供了一种糖尿病周围神经病变的神经图像分割方法,首先,通过采用带有蒙特卡洛随机丢弃机制的图像分割网络对角膜共焦显微镜图像执行多次独立前向传播,得到多个不同的分割结果,实现了对单次分割随机性波动的有效捕捉,为后续逐像素不确定性量化提供了充足的统计样本,解决了传统单次分割方法无法评估分割结果可靠性的问题。
10、进一步的,通过根据多次分割结果计算每个像素点的分割概率和不确定性值,生成分割概率掩膜和不确定性热图,将神经网络对每个像素点分割结果的置信程度以可视化和可量化的方式呈现,实现了对分割质量的空间分布评估,解决了传统分割方法缺乏逐像素可靠性标识的问题。
11、进一步的,通过根据不确定性热图确定每个像素点的置信度等级,结合纤维走向和宽度的组织连续性约束对不同置信度等级的像素采用差异化修正策略,实现了低质量分割区域的自动识别与校正,解决了高不确定性区域的分割错误被直接纳入后续参数计算导致诊断偏差的问题。
12、最后,通过根据修正后的最终分割掩膜计算角膜神经纤维参数,并基于多次分割结果的统计分布计算各参数值的可信度区间,实现了对临床诊断参数的不确定性量化评估,解决了传统方法仅能提供单一参数值而缺乏可信度参考的问题。
13、综上所述,本申请通过蒙特卡洛随机丢弃机制多次前向传播获取分割样本,逐像素计算分割概率与不确定性值,结合纤维走向和宽度连续性约束对低质量区域进行分级修正,最终输出纤维参数及其可信度区间,实现了对角膜神经纤维分割结果的可靠性量化评估,有效改善了神经纤维分割结果缺乏可靠性评估手段、诊断参数缺少可信度参考的技术问题。
1.一种糖尿病周围神经病变的神经图像分割方法,其特征在于,包括:
2.根据权利要求1所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,获取角膜共焦显微镜图像,采用带有蒙特卡洛随机丢弃机制的图像分割网络,对所述角膜共焦显微镜图像执行n次前向传播,得到n个分割结果,包括:
3.根据权利要求1所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,根据所述n个分割结果计算每个像素点的分割概率和不确定性值,生成分割概率掩膜和不确定性热图,包括:
4.根据权利要求3所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,根据所述n个分割结果计算每个像素点的分割概率和不确定性值,生成分割概率掩膜和不确定性热图,还包括:
5.根据权利要求1所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,根据所述不确定性热图确定每个像素点的置信度等级,包括:
6.根据权利要求1所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,基于所述置信度等级对所述分割概率掩膜进行修正,得到最终分割掩膜,之前包括:
7.根据权利要求6所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,还包括:
8.根据权利要求7所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,基于所述置信度等级对所述分割概率掩膜进行修正,得到最终分割掩膜,包括:
9.根据权利要求1所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,根据所述最终分割掩膜计算角膜神经纤维参数,包括:
10.根据权利要求1所述的糖尿病周围神经病变的神经图像分割方法,其特征在于,基于所述n个分割结果计算所述角膜神经纤维参数的可信度区间,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com