一种基于OCT幅值与相位信息的深度学习眼底血流成像方法

本发明涉及一种基于OCT幅值与相位信息的深度学习眼底血流成像方法，属于眼底血流成像领域。使用人工神经网络融合来自OCT的多模态信息，并使用来自OCTA的多重标签对网络进行优化，最终实现血流图像的高精度重建。相较于现有技术，本发明具有以下突出优势：首先，创新性地整合传统方法中未充分利用的相位信息，通过幅值‑相位双模态特征协同学习机制，显著提升微血管识别敏感度；其二，开创性地提出血流纹理‑血流位置双重标签监督学习策略，通过在损失函数阶段引入血管位置标签，辅助网络对血流位置进行精准定位，有效增强网络对毛细血管等细小血管结构的表征能力，实现血流微循环可视化；其三，使用单次OCT扫描数据即可重建出血流信息。