(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 202211387204.6 (22)申请日 2022.11.07 (71)申请人 广东博迈医疗科技股份有限公司 地址 523808 广东省东莞 市松山湖园区工 业北四路1号15 栋301室 (72)发明人 倪光明　黄绍衍　张志军　黄君仪　 刘朝生　刘柏林　韦晓平　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 王新哲 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 光学相干层析图像的生 成模型训练方法、 生 成方法及装置 (57)摘要 本发明公开了一种光学相干层析图像的生 成模型训练方法、 生成方法及装置， 涉及机器学 习， 训练方法包括： 获取不同照度下的多个样本 并进行预处理； 将第一光学相干层析图像输入至 预设模型中的生成器网络， 生成重建图像； 将重 建图像和第二光学相干层析图像输入鉴别器网 络， 得到重建图像和第二光学相干层析图像对应 的鉴别结果； 计算重建图像和第二光学相干层析 图像的生 成器损失， 并基于鉴别结果计算鉴别器 损失， 利用损失值更新预设模型， 得到光学相干 层析图像的生成模型。 基于此， 本发明使低配置 的成像系统在高速生成低质量的图像时， 根据模 型重建得到无散斑噪声、 高对比度、 高信噪比的 图像。 权利要求书3页 说明书12页 附图5页 CN 115546588 A 2022.12.30 CN 115546588 A 1.一种光学相干层析图像的生成模型训练方法， 其特 征在于， 包括： 获取不同照度下的多个样本， 并对所述多个样本进行预处理， 其中， 一个预处理后的样 本包括对应同一成像位置的第一光学相干层析图像和 第二光学相干层析图像， 所述第二光 学相干层析图像的照度高于所述第一光学相干层析图像的照度， 所述第二光学相干层析图 像已经过预设的散斑去除算法进行降噪处 理； 将所述第一光学相干层析图像输入至预设模型中的生成器网络， 得到所述第 一光学相 干层析图像对应的重建图像； 将所述重建图像和所述第二光学相干层析图像分别输入至所述预设模型中的鉴别器 网络， 得到所述重建图像对应的鉴别结果和所述第二 光学相干层析图像对应的鉴别结果； 基于所述重建图像和第 二光学相干层析图像计算生成器损失值， 并基于所述鉴别结果 计算鉴别器损失值； 利用所述生成器损失值和鉴别器损失值更新所述预设模型中的参数， 得到光学相干层 析图像的生成模型。 2.根据权利要求1所述的光学相干层析图像的生成模型训练方法， 其特征在于， 获取不 同照度下的多个样本， 并对所述多个样本进行 预处理， 包括： 获取不同照度下的多组原始图像， 其中， 每组所述原始图像包括对应同一成像位置的 第一原始光学相干层析图像和 第二原始 光学相干层析图像， 所述第二原始 光学相干层析图 像的照度高于所述第一原始 光学相干层析图像， 所述第二原始 光学相干层析图像已经过预 设的散斑去除算法进行降噪处 理； 针对每组所述原始图像， 对所述第 一原始光学相干层析图像和所述第 二光学相干层析 图像进行像素匹配， 得到作为预处理后的样本的第一光学相干层析图像和 第二光学相干层 析图像。 3.根据权利要求1所述的光学相干层析图像的生成模型训练方法， 其特征在于， 所述生 成器网络包括由依 次连接的编码模块、 解码模块及第一卷积层， 所述编码模块及解码模块 成U形网络结构， 所述编 码模块和所述解码模块均包括相同数量个依次连接的链接子模块， 所述编码模块的链接子模块还与所述解码模块的链接子模块跳跃连接， 所述链接子模块包 括依次连接的第二卷积层、 链接单元以及特征融合层， 所述链接单元包括依 次密集连接的 多个由第三卷积层和激活函数层构成的组合； 将所述第一光学相干层析图像输入至预设模型中的生成器网络， 得到所述第 一光学相 干层析图像对应的重建图像， 包括： 基于所述编码模块中第一个链接子模块的第二卷积层、 所述链接单元及特征融合层， 对所述第一光学相 干层析图像进行通道扩展、 特征提取及特征融合， 得到所述链接子模块 的输出图像； 针对所述编码模块中第 二至倒数第 二个链接子模块中的每个链接子模块， 对所述链接 子模块的上一个卷积子模块的输出图像进 行下采样以得到下采样结果后， 基于所述链接子 模块的第二卷积层、 链接单元及特征融合层， 对所述下采样结果依次进 行通道扩展、 特征提 取及特征融合， 得到所述链接 子模块的输出图像； 基于所述编码模块中最后 一个所述链接子模块， 对所述倒数第 二个链接子模块的输出 图像进行下采样以得到下采样结果后， 基于所述链接子模块的第二卷积层、 链接单元及特权　利　要　求　书 1/3 页 2 CN 115546588 A 2征融合层， 对所述下采样结果依次进行通道扩展、 特 征提取及特 征融合， 得到待输出图像； 对所述待输出图像进行通道扩展、 特征提取及特征融合， 得到所述最后一个所述链接 子模块的待输出图像的输出图像； 针对所述解码模块中的每个链接子模块， 将所述链接子模块的上一个所述链接子模块 的输出图像和基于所述链接子模块的跳跃连接得到输出图像拼接再进行上采样以得到上 采样结果后， 基于所述链接子模块的第二卷积层、 链接单元及特征融合层， 对所述上采样结 果进行通道压缩、 特 征还原及特 征融合， 得到所述链接 子模块的输出图像； 将所述解码模块中最后 一个链接子模块的输出图像输入至所述第 一卷积层， 得到所述 第一光学相干层析图像对应的重建图像。 4.根据权利要求3所述的光学相干层析图像的生成模型训练方法， 其特征在于， 所述链 接单元中的多个组合依次残差密集连接 。 5.根据权利要求1所述的光学相干层析图像的生成模型训练方法， 其特征在于， 所述生 成器损失值包括感知损失值和像素损失值； 利用所述生成器损失值和鉴别器损失值更新所述预设模型中的参数， 得到光学相干层 析图像的生成模型， 包括： 基于所述像素损失、 所述感知损失、 所述鉴别器损失值及每种损失的预设权重， 计算得 到损失值； 利用所述损失值更新所述预设模型中的参数， 得到光学相干层析图像的生成模型。 6.一种光学相干层析图像的生成方法， 其特 征在于， 包括： 获取目标图像； 将所述目标图像输入至光学相干层析图像的生成模型训练， 得到所述目标图像对应的 重建图像， 其中， 所述重 建图像的信噪比高于所述目标图像的信噪比， 所述光学相干层析图 像的生成模型通过如权利要求1至5任一项所述的光学相 干层析图像的生成模型训练方法 得到。 7.一种光学相干层析图像的生成模型训练装置， 其特 征在于， 包括： 样本获取模块， 用于获取不同照度下的多个样本， 并对所述多个样本进行预处理， 其 中， 一个预处理后的样 本包括对应同一成像位置的第一光学相干层析图像和 第二光学相干 层析图像， 所述第二光学相 干层析图像的照度高于所述第一光学相 干层析图像的照度， 所 述第二光学相干层析图像已经 过预设的散斑去除算法进行降噪处 理； 生成模块， 用于将所述第一光学相干层析图像输入至预设模型中的生成器网络， 得到 所述第一 光学相干层析图像对应的重建图像； 鉴别模块， 用于将所述重建图像和所述第 二光学相干层析图像分别输入至所述预设模 型中的鉴别器网络， 得到所述重建图像对应的鉴别结果和所述第二光学相干层析图像对应 的鉴别结果； 计算模块， 用于基于所述重建图像和第二光学相干层析图像计算生成器损 失值， 并基 于所述鉴别结果计算 鉴别器损失值； 训练模块， 用于利用所述生成器损 失值和鉴别器损 失值更新所述预设模型中的参数， 得到光学相干层析图像的生成模型。 8.一种光学相干层析图像的生成装置， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115546588 A 3