光学相干断层扫描血管造影的质量图的制作方法

技术特征：
1.一种用于生成光学相干断层扫描(oct)数据的质量度量的方法，包括：获取一体积的oct数据；根据体积oct数据来定义一个或多个切片视图；根据每个切片视图来生成多个特征图；基于所述多个特征图的图像属性来确定所述质量度量；显示所述质量度量或存储所述质量度量以供进一步处理。2.根据权利要求1所述的方法，其中，定义多个所述切片视图。3.根据权利要求1或2所述的方法，其中，每个切片视图是所述oct数据的体积的子体积的正面平面图。4.根据权利要求1、2或3所述的方法，其中，确定所述质量度量包括将所述多个特征图提交给机器模型，所述机器模型使用多个预分级oct数据体积样本、每个oct数据体积样本定义的一个或多个训练切片视图以及根据每个训练切片视图所生成的多个训练特征图来训练。5.根据权利要求4所述的方法，其中，所述机器模型是深度学习模型。6.根据权利要求4所述的方法，其中，所述机器模型是神经网络模型。7.根据权利要求1至6中任一项所述的方法，其中，所述特征图的所述图像属性包括图像纹理特征。8.根据权利要求1至6中任一项所述的方法，其中，所述特征图的所述图像属性包括haralick特征。9.根据权利要求1至8中任一项所述的方法，其中，所述oct数据是oct血管造影数据。10.根据权利要求1至9中任一项所述的方法，其中，所述质量度量是二维(2d)质量图，所述二维质量图识别对应的切片视图的不同区域的质量度量。11.根据权利要求10所述的方法，其中，采集一体积的oct数据包括：a)收集同一视网膜组织区域的多个不同oct体积样本；b)将以下步骤应用于所述oct体积样本中的每一个：定义一个或多个切片视图，产生所述多个特征图，以及基于所述多个特征图来确定所述质量度量，由此定义对应于所述多个不同oct体积样本的多个2d质量图样本；以及所述方法还包括：在所述多个不同oct体积样本的基于相应2d质量图样本的较高质量区域的基础上来定义复合oct数据。12.根据权利要求10或11所述的方法，其中：确定所述质量度量包括将所述多个特征图提交给机器模型，所述机器模型被训练为基于所述多个特征图来确定所述质量图；以及进一步训练所述机器模型以识别所述质量图中具有相比预定阈值的较低质量度量的质量区域的一个或多个原因，并且识别一个或多个校正动作以改进后续oct采集中的所述较低质量度量。13.根据权利要求12所述的方法，其中，所述一个或多个原因选自错误源的预定义列表，所述错误源包括以下项中的一个或多个：错误聚焦、不透明度、低于预定义阈值的照明、小于预定义阈值的光穿透、跟踪或运动伪影以及高于预定义阈值的噪声。
14.根据权利要求12或13所述的方法，其中，所述一个或多个校正动作包括聚焦调节、对瞳孔扩大的推荐、识别替代成像角度，或识别眼睛跟踪缺失的可能原因。15.根据权利要求12至14中任一项所述的方法，其中，所述校正动作被输出到电子显示器。16.根据权利要求12至15中任一项所述的方法，其中，所述校正动作被传送到在后续采集之前自动实施所述校正动作的自动子系统。17.根据权利要求10至16中任一项所述的方法，其中，还包括至少部分地基于所述质量图的单独质量度量分布的平均值来定义采集的整体质量分数。18.根据权利要求10到17中任一项所述的方法，其中，采集是根据视网膜的相同区域的多个oct扫描所定义的octa采集，且所述方法还包括至少部分地基于定义所述octa采集的所述多个oct扫描的所述质量图的单独质量度量分布的平均值来定义所述octa采集的整体质量分数。19.根据权利要求10至18中任一项所述的方法，还包括：识别采集内的目标区域，以及基于与所述目标区域相对应的质量图度量，将整个采集指定为好或坏。

技术总结
一种用于确定OCT结构数据和/或OCTA功能数据的质量度量的系统、方法和/或设备，使用机器学习模型，该机器学习模型被训练为基于从OCT/OCTA数据的一个或多个切片视图中提取的多个特征图的生成来提供OCT/OCTA数据的单个整体质量度量或质量图分布。所提取的特征图可能是不同的纹理类型图，并且机器模型被训练以基于纹理图来确定质量度量。基于纹理图来确定质量度量。基于纹理图来确定质量度量。


技术研发人员：卢斯
受保护的技术使用者：卡尔蔡司医疗技术股份公司
技术研发日：2021.11.29
技术公布日：2023/8/1