一种用于眼底图像血管分割的神经网络模型制造技术

本发明专利技术涉及用于眼底图像血管分割的神经网络模型，最高层的血管特征处理层通过后向短连接与最低层的血管特征优化层连接；每个血管特征优化层通过前向短连接与高一层的血管特征优化层连接；每个血管特征优化层，用于获取连接的血管特征处理层的上采样图像；最低层的血管特征优化层，还用于获取最低层的血管特征提取层的特征图像；每个血管特征优化层，还用于对获取的每个图像均依次进行血管特征提取及非线性化处理，得到每个图像对应的非线性化图像，并通过前向短连接将获取的每个图像发送给高一层的血管特征优化层。本发明专利技术通过后向短连接将高层信息传递给低层，通过前向短连接将低层信息传递给高层，充分融合各级特征，使血管分割更加精确。

【技术实现步骤摘要】
一种用于眼底图像血管分割的神经网络模型
本专利技术实施例涉及计算机
，具体涉及一种用于眼底图像血管分割的神经网络模型。
技术介绍
视网膜眼底图像分析有助于眼科医生处理心血管和眼科疾病的诊断、筛查和治疗，如黄斑变性，糖尿病视网膜病变，青光眼，高血压等。如果不及时治疗，这些疾病可能导致失明。血管分割是视网膜图像分析的基本步骤，有助于糖尿病视网膜病变和中心凹区域的定位。但是在临床实践中，人工标注视网膜图像中的血管耗时且需要有大量经验。因此，视网膜血管自动分割对于减少标注时间是必要的。近几十年来视网膜图像血管的自动分割方案可以分为两类：无监督方案和有监督方案。1)无监督方案：无监督方案可以分为三个子类：匹配滤波、血管跟踪和基于模型的算法。匹配滤波利用分段线性逼近以及视网膜血管的类高斯分布来设计匹配的滤波器内核。血管跟踪使用局部信息来划分两点之间的血管，血管纵向横截面的中心由灰度值和血管弯曲度决定。基于模型的算法使用的模型包括血管剖面模型、活动轮廓模型和基于水平集的几何模型。2)有监督方案：有监督方案可以被看作是像素级别的二分类问题。每个像素属于血管或非血管。有监督方案可以分为三个子类：本文档来自技高网...

【技术保护点】
1.一种用于眼底图像血管识别的神经网络模型，其特征在于，包括：多个血管特征提取层；所述多个血管特征提取层基于预设层级顺序提取眼底图像中的血管特征；最低层的血管特征提取层提取眼底图像中的血管特征，得到特征图像；非最低层的血管特征提取层基于低一层的血管特征提取层得到的特征图像进行血管特征提取，得到特征图像；多个血管特征处理层；所述多个血管特征处理层与非最低层的多个血管特征提取层一一对应连接；每个所述血管特征处理层对连接的血管特征提取层得到的特征图像进行上采样处理，得到上采样图像；多个血管特征优化层；最低层的血管特征优化层连接最低层的血管特征提取层，非最低层的多个血管特征优化层与非最低层的多个血管特...

【技术特征摘要】
1.一种用于眼底图像血管识别的神经网络模型，其特征在于，包括：多个血管特征提取层；所述多个血管特征提取层基于预设层级顺序提取眼底图像中的血管特征；最低层的血管特征提取层提取眼底图像中的血管特征，得到特征图像；非最低层的血管特征提取层基于低一层的血管特征提取层得到的特征图像进行血管特征提取，得到特征图像；多个血管特征处理层；所述多个血管特征处理层与非最低层的多个血管特征提取层一一对应连接；每个所述血管特征处理层对连接的血管特征提取层得到的特征图像进行上采样处理，得到上采样图像；多个血管特征优化层；最低层的血管特征优化层连接最低层的血管特征提取层，非最低层的多个血管特征优化层与非最低层的多个血管特征处理层一一对应连接；最高层的血管特征处理层通过后向短连接与最低层的血管特征优化层连接；每个所述血管特征优化层通过前向短连接与高一层的血管特征优化层连接；每个所述血管特征优化层，用于获取连接的血管特征处理层得到的上采样图像；最低层的血管特征优化层，还用于获取最低层的血管特征提取层的特征图像；每个所述血管特征优化层，还用于对获取的每个图像均依次进行血管特征提取以及非线性化处理，得到每个图像对应的非线性化图像，并通过前向短连接将获取的每个图像发送给高一层的血管特征优化层；血管图像融合层；所述血管图像融合层分别连接每个所述血管特征优化层；所述血管图像融合层基于每个所述血管特征优化层预设的融合权重，融合每个所述血管特征优化层得到的非线性化图像，得到血管图像。2.根据权利要求1所述的神经网络模型，其特征在于，所述...

【专利技术属性】
技术研发人员：季鑫，
申请(专利权)人：北京上工医信科技有限公司，
类型：发明
国别省市：北京,11