基于深度投票模型的SD-OCT图像GA病变分割方法

摘要

本发明公开了一种基于深度投票模型的SD‑OCT图像GA病变分割方法。该方法首先构造五层深度网络模型，第一层为输入层，第五层为输出层，隐含层由三层稀疏自编器构成。训练阶段，直接将具有1024维特征的带标记正负样本输入到深度网络模型中，通过无监督的三层自编码器捕获数据的深度描述特征，并通过训练输出层的soft‑max分类器获得最终的分割结果。最后，使用投票决策策略来改进十个训练模型的分割结果。该方法通过采用深度网络模型表达三维数据中的复杂数据结构，突破了传统方法对于图像层分割依赖的瓶颈，同时突破了传统方法对于不同来源数据的敏感性，实现了GA病变的高精度定量分析，对于老年黄斑变性疾病的预防和诊断具有重要的实际意义。