脉络膜新生血管分类.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114730505A(43)申请公布日2022.07.08(21)申请号202080083159.8(74)专利代理机构中国专利代理(香港)有限公(22)申请日2020.11.18司72001专利代理师钟茂建周学斌(30)优先权数据19213846.92019.12.05EP(51)Int.Cl.G06V40/14(2022.01)(85)PCT国际申请进入国家阶段日G06V40/18(2022.01)2022.05.31G06V10/764(2022.01)(86)PCT国际申请的申请数据G06V10/82(2022.01)PCT/EP2020/0825792020.11.18G06T7/00(2017.01)(87)PCT国际申请的公布数据WO2021/110417EN2021.06.10(71)申请人豪夫迈·罗氏有限公司地址瑞士巴塞尔(72)发明人A·毛恩茨F·本曼苏尔Y·李T·F·阿尔布雷希特权利要求书2页说明书10页附图7页(54)发明名称脉络膜新生血管分类(57)摘要公开了一种用于标识人眼的视网膜中脉络膜新生血管的类型的方法，所述方法包括：在处理器中接收（S1）眼睛的光学相干断层扫描数据；在处理器中使用光学相干断层扫描数据和神经网络（3）生成（S2）眼睛的体积片段；以及在处理器中使用体积片段标识（S3）眼睛中的脉络膜新生血管的类型，脉络膜新生血管的类型包括以下各项中的一种或多种：经典脉络膜新生血管（41）和隐匿性脉络膜新生血管（42）。CN114730505ACN114730505A权利要求书1/2页1.一种用于标识人眼中脉络膜新生血管（40）的类型的计算机实现的方法，所述方法包括：在处理器（11）中接收（S1）眼睛的光学相干断层扫描数据；在处理器（11）中使用光学相干断层扫描数据和神经网络（3）生成（S2）人眼的体积片段（2）；以及在处理器（11）中使用体积片段（2）标识（S3）眼睛中的脉络膜新生血管（40）的类型，脉络膜新生血管（40）的类型包括以下各项中的一种或多种：经典脉络膜新生血管（41）和隐匿性脉络膜新生血管（42）。2.根据权利要求1所述的方法，其中生成（S2）所述体积片段（2）包括检测组织层片段（21）和流体片段（22）。3.根据权利要求1或2所述的方法，其中生成（S2）所述体积片段（2）包括检测以下类型的组织层片段（21）中的一个或多个：内界膜片段（211）、视网膜色素上皮片段（212）和布鲁赫膜片段（213）。4.根据权利要求1至3中的一项所述的方法，其中生成（S2）所述体积片段（2）包括检测以下类型的流体片段（22）中的一个或多个：视网膜内流体片段（221）、视网膜下流体片段（222）、视网膜下高反射材料片段（223）、中心子场片段（224）和色素上皮脱离片段（225）。5.根据权利要求4所述的方法，其中标识脉络膜新生血管（40）的类型包括对以下类型的流体片段（22）进行最高加权：视网膜下高反射材料片段（223）、视网膜下流体片段（222）和色素上皮脱离片段（225）。6.根据权利要求1至5中的一项所述的方法，其中，标识脉络膜新生血管（40）的类型包括标识眼睛中的病变。7.根据权利要求1至6中的一项所述的方法，进一步包括计算（S21）以下几何参数（6）中的一个或多个：体积片段的高度（61）、体积片段的宽度（62）和体积片段之间的距离（63）；并且标识（S3）脉络膜新生血管（40）的类型进一步包括使用几何参数（6）。8.根据权利要求1至7中的一项所述的方法，其中标识（S3）脉络膜新生血管（40）的类型包括使用决策树（4）。9.根据权利要求1至8中的一项所述的方法，其中生成所述体积片段（S2）包括使用机器学习和大量眼睛的光学相干断层扫描数据的神经网络训练数据集来训练所述神经网络（3）。10.根据权利要求8或9中的一项所述的方法，其中标识（S3）脉络膜新生血管（40）的类型包括使用大量眼睛的光学相干断层扫描数据的决策树训练数据集和梯度提升算法来优化所述决策树（4）。11.根据权利要求1至10中的一项所述的方法，其中使用神经网络（3）生成（S2）体积片段包括使用卷积神经网络。12.根据权利要求1至11中的一项所述的方法，其中所述方法进一步包括在处理器（11）中从所接收的光学相干断层扫描数据中提取（S11）A‑扫描（71）和/或B‑扫描（72）并且生成（S2）体积片段进一步包括使用A‑扫描（71）和/或B‑扫描（72）以及神经网络（3）生成（S12）区域片段。13.根据权利要求1至12中的一项所述的方法，其中，标识（S3）脉络膜新生血管（40）的2CN114730505A权利要求书2/2页类型进一步包括标识眼睛是否具有经典脉络膜新生血管（4