【技术实现步骤摘要】
眼底血管图片生成方法、装置及存储介质
本专利技术涉及信息
，尤其涉及一种眼底血管图片生成方法、装置及计算机可读存储介质。
技术介绍
眼底病是视网膜、眼部血管或视觉神经等受损导致的一类眼部疾病，已成为致盲的主要原因之一。眼部血管的病变与青光眼、糖尿病视网膜病变等多种眼底疾病相关。图1和图2分别示出了眼底图片以及视盘区域的血管形态。为了更好地将眼部血管区域分割出来，一般需要大量带有血管位置标注的训练数据，从而通过人工智能、机器学习等方法得到性能较高的分割模型。然而，收集眼底血管图片并进行标注的过程极为费时，这为人工智能系统的构建带来了极大的时间和经费成本。因此，如何自动生成眼底血管图片，对于发现眼底血管部位和智能诊断眼底病极为重要。例如，如何自动生成眼底血管图片，对于将眼底血管从图片中分割出来，发现眼底血管部位，如动脉、静脉等，都是极为重要的。现有技术的眼底血管图片生成方法主要基于变分自编码器和生成对抗网络。基于变分自编码器的方法利用编码器学习图像的高层抽象特征，同时使学到的特征服从某一预先设定的先验分布。这一过程通过最小化特征分布和先验分布之间的KL散度(Ku...
【技术保护点】
1.一种眼底血管图片生成方法，其特征在于，包括：利用生成对抗网络生成第一图片，所述第一图片包括带有主干血管的眼底血管图片；利用扩散受限凝聚模型在所述第一图片中生成所述主干血管的分支血管，以生成第二图片，所述第二图片包括带有所述主干血管和所述分支血管的眼底血管图片。
【技术特征摘要】
1.一种眼底血管图片生成方法，其特征在于，包括：利用生成对抗网络生成第一图片，所述第一图片包括带有主干血管的眼底血管图片；利用扩散受限凝聚模型在所述第一图片中生成所述主干血管的分支血管，以生成第二图片，所述第二图片包括带有所述主干血管和所述分支血管的眼底血管图片。2.根据权利要求1所述的方法，其特征在于，所述生成对抗网络包括生成模型和判别模型；利用生成对抗网络生成第一图片，包括：将噪声特征向量输入所述生成模型，由所述生成模型生成所述第一图片；将真实眼底血管图片和所述生成模型生成的所述第一图片输入到所述判别模型，由所述判别模型产生所述生成模型生成的所述第一图片的真实性概率；根据所述真实性概率，通过所述生成模型和所述判别模型的博弈学习训练所述生成对抗网络；通过训练好的所述生成对抗网络生成所述第一图片。3.根据权利要求2所述的方法，其特征在于，还包括：从训练数据集中采样得到所述真实眼底血管图片；和/或从先验分布中采样得到所述噪声特征向量。4.根据权利要求1所述的方法，其特征在于，还包括：采用逻辑回归模型对所述生成对抗网络进行优化。5.根据权利要求1至4中任一项所述的方法，其特征在于，利用扩散受限凝聚模型在所述第一图片中生成所述主干血管的分支血管，包括：将所述第一图片中的主干血管包含的像素点的集合设置为所述种子点集合；生成分支像素点，并将所述分支像素点加入到所述种子点集合中；若所述种子点集合中的像素点的个数小于预设的像素点个数阈值，则返回执行所述生成分支像素点，并将所述分支像素点加入到所述种子点集合中的步骤。6.根据权利要求5中任一项所述的方法，其特征在于，生成分支像素点，并将所述分支像素点加入到所述种子点集合中，包括：在所述第一图片的边缘随机产生分支像素点；控制所述分支像素点在所述第一图片的区域内做布朗运动；若所述分支像素点运动到与所述种子点集合中任一点的距离小于预设距离阈值的位置，则控制所述分支像素点停止运动，并将所述分支像素点加入到所述种子点集合中。7.根据权利要求6中任一项所述的方法，其特征在于，控制所述分支像素点在所述第一图片的区域内做布朗运动，包括：若所述分支像素点做布朗运动时超出所述第一图片的区域，则控制所述分支像素点进行反方向的运动以回到所述第一图片的区域内。8.一种眼底血管图片生成装置，其特征在于，包括：第一生成单元，用于：利用生成对抗网络生成第一图片，所述第一图片包括带有主干血管的眼底血管图片；第二生成单元，用...
【专利技术属性】
技术研发人员：孙旭，杨叶辉，王磊，许言午，黄艳，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。