一种基于残差U-NET网络的视网膜图像分割算法制造技术

本发明专利技术公开了一种基于残差U‑NET网络的视网膜图像分割算法，包括以下步骤：A、下载彩色眼底视网膜图像，并对下载的图像进行样本扩充；B、对原始图像进行预处理；C、通过在U‑NET网络上添加残差结构得到改进的残差U‑NET网络；D、将处理后的视网膜图像作为输入，对训练样本进行预训练，得到残差U‑NET网络模型的初始参数；E、采用训练好的残差U‑NET神经网络模型对测试样本进行分割，得到最终的视网膜血管图像分割图；本发明专利技术采用残差U‑NET网络模型对糖尿病视网膜图像进行分割，处理效果较好，可以广泛的应用在糖尿病视网膜诊断领域，为糖尿病视网膜图像的病理诊断提供了强大的理论和技术支持。

【技术实现步骤摘要】
一种基于残差U-NET网络的视网膜图像分割算法
本专利技术涉及视网膜图像处理
，具体为一种基于残差U-NET网络的糖尿病视网膜图像分割算法。
技术介绍
在临床上，通过检眼镜拍摄的彩色眼底图像往往被作为相关疾病筛查、诊断和分析的依据，因此对眼底图像进行血管分割成了疾病定量分析的一个先决条件。对于眼底图像血管分割，人工手动分割的方法十分依赖操作者的经验与技术，而且往往还存在主观性强、重复性低、劳动强度大、效率低下等缺点，因此眼底血管的自动分割技术在临床应用中有着极其重要的意义。尤其随着眼科疾病计算机辅助诊断系统的发展，眼底血管的自动分割技术已是大家公认的一个十分关键且极具挑战的步骤。在不同的区域，眼底血管的大小、形状和对比度变化巨大。像眼底血管的宽度可以为1个像素到20个像素不等，主要是由于其解剖宽度的不同和图像分辨率的不同。此外由于血管交叉、分支和中心线反射的存在，用人工设计的特征准确地分割血管也是困难重重。病理图片中的组织损伤、渗出液等也使血管的自动分割变得复杂。因此，有必要设计一种基于残差U-NET网络的糖尿病视网膜图像分割算法。
技术实现思路
本专利技术的目的在于提供一种基于残本文档来自技高网...

【技术保护点】
1.一种基于残差U‑NET网络的视网膜图像分割算法，其特征在于：包括以下步骤：A、下载彩色眼底视网膜图像，并对下载的图像进行样本扩充；B、对原始的糖尿病视网膜图像进行预处理；C、通过在U‑NET网络上添加残差结构得到改进的残差U‑NET网络；D、将处理后的视网膜图像作为输入，对训练样本进行预训练，得到残差U‑NET网络模型的初始参数；E、采用训练好的残差U‑NET神经网络模型对测试样本进行分割，得到视网膜血管分割后的图像。

【技术特征摘要】
1.一种基于残差U-NET网络的视网膜图像分割算法，其特征在于：包括以下步骤：A、下载彩色眼底视网膜图像，并对下载的图像进行样本扩充；B、对原始的糖尿病视网膜图像进行预处理；C、通过在U-NET网络上添加残差结构得到改进的残差U-NET网络；D、将处理后的视网膜图像作为输入，对训练样本进行预训练，得到残差U-NET网络模型的初始参数；E、采用训练好的残差U-NET神经网络模型对测试样本进行分割，得到视网膜血管分割后的图像。2.根据权利要求1所述的一种基于残差U-NET网络的视网膜图像分割算法，其特征在于：所述步骤A中对图像进行样本扩充具体为：通过图像变换的方法对样本进行扩充，包括对视网膜图像进行平移、翻转、旋转。3.根据权利要求1所述的对原始的糖尿病视网膜图像进行预处理，其特征在于：所述步骤B中预处理方法主要有图像灰度化、图像增强、图像去噪、图像二值化四个方面：a、图像灰度化是将彩色图像转换为灰度图像的过程，采用灰度化的操作，可以有效的减少计算的复杂度，有助于对图像后续的处理；b、图像增强可以通过一些图像变换的手段，改善图像的视觉效果，剔除图像中的一些无用信息，将图像中一些不清楚的地方变的更加清晰；c、图像领域比较常用的去噪方法是图像平滑去噪方法；d、图像二值化通常可以分为全局阈值法和局部阈值法，全局阈值法适用于目标物体和背景都相对清晰的图像，计算相对简单，局部阈值法针对噪声较为严重，图像质量较差的图像，但其计算相对...

【专利技术属性】
技术研发人员：高俊山，魏传雪，邓立为，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23