(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210553987.4 (22)申请日 2022.05.19 (71)申请人 安徽理工大 学 地址 232001 安徽省淮南市山 南新区泰丰 大街168号 (72)发明人 贾晓芬　梁镇洹　赵佰亭　王云　 余燕　朱少进　 (51)Int.Cl. G06T 3/40(2006.01) G06V 10/44(2022.01) G06V 10/46(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 仿鹰视顶盖的眼底OCT图像重建模 型、 方法、 设备及存 储介质 (57)摘要 本发明公开了一种仿鹰视顶盖的眼底OCT图 像重建模型、 方法、 设备及存储介质， 重建模型由 特征提取块、 信息处理块和重建块构成， 特征提 取块， 用于从低分辨率OCT图像中进行浅层特征 的提取； 信息处理块， 仿照鹰视顶盖信息处理机 制从纵、 横 两个维度逐步扩大感受野进行高频特 征的提取； 重建块， 用于对提取的浅层特征和高 频特征进行初步重建， 再进行上采样操作后进行 深层重建， 得到重建的高分辨率OCT图像。 本发明 重建的OCT图像对比度高， 边缘特征明显， 能够真 实反应眼底健康状况。 权利要求书3页 说明书11页 附图3页 CN 114820325 A 2022.07.29 CN 114820325 A 1.一种仿鹰视顶盖的眼底OCT图像重建模型， 其特征在于， 依次包括特征提取块、 信息 处理块和重建块； 所述特征提取块， 用于从低分辨 率OCT图像中进行浅层特 征的提取， 获取有用信息； 所述信息处理块， 仿照鹰视顶盖信息处理机制从纵、 横两个维度逐步扩大感受野进行 高频特征的提取； 所述重建块， 用于对提取的浅层特征和高频特征进行初步重建， 再进行上采样操作后 进行深层重建， 得到 重建的高分辨 率OCT图像。 2.根据权利要求1所述一种仿鹰视顶盖的眼底OCT图像重建模型， 其特征在于， 所述信 息处理块的纵向维度由6个仿鹰视顶盖块(EVB)组成， 负责挖掘高频 特征； 所述信息处理块的纵向维度上的EVB负责对各通道 的特征图进行高频特征提取， 并利 用通道注意力机制促进不同通道间的融合； 所述EVB模块包括信息深层提取和信息融合两 部分； 所述信息深层提取部分利用四个卷积核大小为3 ×3， 空洞率分别为1、 1、 2、 3的空洞卷 积组成， 每个卷积核输出时将原有特征 的通道数减半以减少参数量， 同时前一卷积核的输 出向后层卷积核逐层 传播形成密集连接， 以便 于后层卷积核对特 征的深层次学习； 所述信息融合部分将四个卷积核的输出通过concat融合， 利用1 ×1卷积核进行通道数 的变换， 引入通道 注意力机制挖掘显著信息； 所述通道注意力机制分为全局上 下文嵌入、 通道规范化和门适应三个部分； 所述全局上下文嵌入使用l2准则进行规范化操作， 并引入训练参数α助力l2规范化的自 适应输出； 所述通道规范化使用l2准则进行 特征之间的跨 通道规范以减少参数量； 所述门适应通过权 重γ和偏置β 控制神经 元之间的竞争与协同关系。 3.根据权利要求1所述一种仿鹰视顶盖的眼底OCT图像重建模型， 其特征在于， 所述信 息处理块的横向维度负责融合纵向维度提取 的高频特征， 深层挖掘 显著信息， 利用空间注 意力机制强化深层特征， 清晰表达病变区域水肿轮廓等细节信息， 并将提取 的高频特征传 送至重建模块； 所述空间注意力 机制将提取的特征在空间上分为64个子空间， 每个子空间首先使用深 度可分离卷积对每组特征进行新特征的提取以减少通道范围内的冗余， 通过最大池化后再 利用逐点卷积减少空间范围内的冗余， 最后使用softmax函数对特征图进行H维的缩放， 保 证权重和为1， 经与原 始特征融合后得到 64个子空间特 征； 所述不同的子空间之间通过co ncat连接得到最后的输出。 4.根据权利要求1所述一种仿鹰视顶盖的眼底OCT图像重建模型， 其特征在于， 所述重 建块使用一层3 ×3卷积核获得基本重 建图像， 经上采样操作后利用3 ×3卷积核进 行深层重 建， 得到清晰的眼底OCT重建图像。 5.一种仿鹰视顶盖的眼底OCT图像重建方法， 其特 征在于， 按照以下步骤进行： S1、 将低分辨率的眼底OCT图像输入特征提取块， 完成浅层特征的提取， 并送入信息处 理块； S2、 信息处理块的纵向维度负责完成提取高频特征， 信息处理块的横向维度融合纵向 维度提取的高频 特征并突出显著信息后， 送至 重建块；权　利　要　求　书 1/3 页 2 CN 114820325 A 2S3、 重建块利用特征提取块和信息处理块提取的浅层特征和高频特征， 完成图像重建， 得到清晰的眼底OCT图像。 6.根据权利要求5所述一种仿鹰视顶盖的眼底OCT图像重建方法， 其特征在于， 所述S2 的信息处 理块在纵向维度按照以下公式进行高频 特征特征提取， F1＝C3×3(Xi‑1) F2＝C3×3(C3×3(F1)) F5＝C1×1({F1,F2,F3,F4}) 其中， Fk代表第k(k＝{1,2,3,4})层卷积核的输出， C3×3表示大小为3 ×3的卷积核， 表示卷积核大小为3 ×3、 空洞率为2的空洞卷积， 表示卷积核大小为3 ×3、 空洞率为3的 空洞卷积， {}表示级联操作， Xi‑1和Xi分别是第i(i＝1,...,n)个EVB模块的输入和输出， Fn代 表第n(n＝{1,2,3,4 })层卷积核的输出， F5和 分别表示通道注意力的输入和输出， Rc表示 全局上下文嵌入的输出， R＝R1,R2,...,Rc‑1,Rc表示Rc分解后的C(C＝64)个特征图， 表示 通道规范化的输 出， 表示对 尺度进行归 一化的标量， α、 β 、 γ表示可训练的参数， ε表示 常数， ftanh表示tanh 激活函数。 7.根据权利要求5所述一种仿鹰视顶盖的眼底OCT图像重建方法， 其特征在于， 所述S2 的信息处 理块在横向维度按照以下公式 融合、 强化深层特 征， XC＝C1×1({X1,X2,...,Xn‑1,Xn}) 其中， XC和 分别表示 通道注意力机制的输入和输出， Xi(i＝1,...,n)表示第i个EVB模 块的输出， 和 分别表示第g(g＝1,...,64)个子特征空间的输入和输出， C1×1表示大小 为1×1的卷积核， PW1×1表示卷积核大小为1 ×1的深度可分离卷积， DW1×1表示卷积核大小为 1×1的逐点卷积， fmaxpool表示最大池化操作， fsoftmax表示softmax激活函数； 所述S2中信息处 理块的数 学模型为： 权　利　要　求　书 2/3 页 3 CN 114820325 A 3