一种视网膜图像分割方法及装置制造方法及图纸

本说明书一个或多个实施例提供一种视网膜图像分割方法及装置，包括：将视网膜图像输入编码器进行处理，得到编码器处理后的第一特征图；利用固定卷积核对第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图；基于空间金字塔池和条带池对第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图；对第二特征图和第三特征图进行融合处理，得到第四特征图；将第四特征图输入解码器进行处理，得到解码器处理后的第五特征图；基于第五特征图，按照预设的阈值，判定第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。本方法能够实现视网膜血管分割，且图像分割精度较高。

【技术实现步骤摘要】
一种视网膜图像分割方法及装置
本说明书一个或多个实施例涉及图像处理
，尤其涉及一种视网膜图像分割方法及装置。
技术介绍
借助视网膜图像进行视网膜检查是临床疾病检查的重要手段。早期的视网膜图像分割方法，一般借助于总结出的经验，人工提取特征对图像进行分割，操作繁琐，精度不高。基于深度学习算法实现的视网膜图像分割方法能够提高分割准确性，但是在不断的池化过程中会丢失大量信息，图像分割精度有待提高。
技术实现思路
有鉴于此，本说明书一个或多个实施例的目的在于提出一种视网膜图像分割方法及装置，以解决视网膜图像分割精度不高的问题。基于上述目的，本说明书一个或多个实施例提供了一种视网膜图像分割方法，包括：将视网膜图像输入编码器进行处理，得到所述编码器处理后的第一特征图；利用固定卷积核对所述第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图；基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图；对所述第二特征图和所述第三特征图进行融合处理，得到第四特征图；将所述第四特征图输入解码器进行处理，得到解码器处理后的第五特征图；基于所述第五特征图，按照预设的阈值，判定所述第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。可选的，所述利用固定卷积核对所述第一特征图进行特征提取，包括：利用预设的六个3×3的固定卷积核对所述第一特征图进行特征提取。可选的，所述六个3×3的固定卷积核为：。可选的，基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图，包括：基于至少两个空间金字塔池和至少两个条带池分别对所述第一特征图进行池化操作，得到池化操作后的至少四个特征图；利用1×1卷积将所述至少四个特征图的通道数转换为1，得到至少四个通道数为1的特征图；对所述至少四个通道数为1的特征图进行拼接处理，得到所述第三特征图。可选的，所述基于空间金字塔池和条带池对所述第一特征图进行特征提取，包括：利用三个方形核对所述第一特征图进行特征提取，以获得视网膜血管的宽度变化信息；利用两个条形核对所述第一特征图进行特征提取，以获得视网膜血管的远程上下文信息。可选的，所述三个方形核的大小分别为2×2、3×3、4×4。本说明书实施例还提供一种视网膜图像分割装置，包括：编码器模块，用于将视网膜图像输入编码器进行处理，得到所述编码器处理后的第一特征图；线性特征提取模块，用于利用固定卷积核对所述第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图；宽度和远程特征提取模块，基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图；融合模块，用于对所述第二特征图和所述第三特征图进行融合处理，得到第四特征图；解码器模块，用于将所述第四特征图输入解码器进行处理，得到解码器处理后的第五特征图；分类模块，用于基于所述第五特征图，按照预设的阈值，判定所述第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。可选的，所述线性特征提取模块，用于利用预设的六个3×3的固定卷积核对所述第一特征图进行特征提取。可选的，所述宽度和远程特征提取模块，用于基于至少两个空间金字塔池和至少两个条带池分别对所述第一特征图进行池化操作，得到池化操作后的至少四个特征图；利用1×1卷积将所述至少四个特征图的通道数转换为1，得到至少四个通道数为1的特征图；对所述至少四个通道数为1的特征图进行拼接处理，得到所述第三特征图。可选的，所述宽度和远程特征提取模块，用于利用三个方形核对所述第一特征图进行特征提取，以获得视网膜血管的宽度变化信息；利用两个条形核对所述第一特征图进行特征提取，以获得视网膜血管的远程上下文信息。从上面所述可以看出，本说明书一个或多个实施例提供的视网膜图像分割方法及装置，通过将视网膜图像输入编码器进行处理，得到编码器处理后的第一特征图，利用固定卷积核对第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图，基于空间金字塔池和条带池对第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图，对第二特征图和第三特征图进行融合处理，得到第四特征图，将第四特征图输入解码器进行处理，得到解码器处理后的第五特征图，基于第五特征图，按照预设的阈值，判定第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。本实施例的方法及装置，能够实现视网膜血管的分割，图像分割精度较高。附图说明为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本说明书一个或多个实施例的方法流程示意图；图2A、2B、2C为本说明书一个或多个实施例的消融实验下的分割效果示意图；图3为本说明书一个或多个实施例的装置结构示意图；图4为本说明书一个或多个实施例的电子设备结构示意图。具体实施方式为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。如图1所示，本说明书一个或多个实施例提供一种视网膜图像分割方法，包括：S101：将视网膜图像输入编码器进行处理，得到编码器处理后的第一特征图；一些实施例中，将原始的视网膜图像输入ResNet34模块进行处理，由ResNet34模块对原始图像进行特征提取处理，得到提取出的特征图。ResNet模块采用残差连接的方式，可以才增加网络深度的同时避免出现梯度消失的现象。并且网络复杂度降低，所需参数量较小。ResNet具有18，34，50，101等不同深度的结本文档来自技高网...

【技术保护点】
1.一种视网膜图像分割方法，其特征在于，包括：/n将视网膜图像输入编码器进行处理，得到所述编码器处理后的第一特征图；/n利用固定卷积核对所述第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图；/n基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图；/n对所述第二特征图和所述第三特征图进行融合处理，得到第四特征图；/n将所述第四特征图输入解码器进行处理，得到解码器处理后的第五特征图；/n基于所述第五特征图，按照预设的阈值，判定所述第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。/n

【技术特征摘要】
1.一种视网膜图像分割方法，其特征在于，包括：
将视网膜图像输入编码器进行处理，得到所述编码器处理后的第一特征图；
利用固定卷积核对所述第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图；
基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图；
对所述第二特征图和所述第三特征图进行融合处理，得到第四特征图；
将所述第四特征图输入解码器进行处理，得到解码器处理后的第五特征图；
基于所述第五特征图，按照预设的阈值，判定所述第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。


2.根据权利要求1所述的方法，其特征在于，所述利用固定卷积核对所述第一特征图进行特征提取，包括：利用预设的六个3×3的固定卷积核对所述第一特征图进行特征提取。


3.根据权利要求2所述的方法，其特征在于，所述六个3×3的固定卷积核为：
















。


4.根据权利要求1所述的方法，其特征在于，基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图，包括：
基于至少两个空间金字塔池和至少两个条带池分别对所述第一特征图进行池化操作，得到池化操作后的至少四个特征图；
利用1×1卷积将所述至少四个特征图的通道数转换为1，得到至少四个通道数为1的特征图；
对所述至少四个通道数为1的特征图进行拼接处理，得到所述第三特征图。


5.根据权利要求1或4所述的方法，其特征在于，所述基于空间金字塔池和条带池对所述第一特征图进行特征提取，包括：
利用三个方形核对所述第一特征图进行特征提取，以获得视网膜血管的宽度变化信息；
...

【专利技术属性】
技术研发人员：蒋杰，孙家豪，刘阳，杨君燕，康来，魏迎梅，谢毓湘，周天健，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43