【技术实现步骤摘要】
一种基于细节保持网络的图像分割方法
[0001]本专利技术属于医学图像处理领域,具体涉及一种基于细节保持网络的图像 分割方法。
技术介绍
[0002]视网膜眼底图像已被广泛应用于多种心血管和眼科疾病的诊断,筛选和 治疗,视网膜血管的分割是定量分析的基本步骤。分割的血管树可以用来提 取血管的形态属性,如长度,宽度,分支和角度,此外,血管树作为图像中 最稳定的特征,已被采用在多模式视网膜图像配准,由于其独特性,血管树 也被用于生物识别。手动分割视网膜图像中的血管树是一项繁琐的任务,需 要经验和技巧。在开发眼科疾病的计算机辅助诊断系统时,建立准确、快速 的血管分割模型对计算机辅助诊断具有重要意义。
[0003]现有的方法中,如U
‑
Net和FCN遵循编解码去对视网膜眼底图像进行 处理,虽然通过多尺度融合可以在解码器中恢复细节信息,但仍然含有噪声。
技术实现思路
[0004]为了解决现有技术的上述问题,本专利技术提供一种基于细节保持网络的图 像分割方法,利用细节保持块和残差细节保持块进行处理使得图像分割的精 度大幅提高。本专利技术的技术方案如下:
[0005]一种基于细节保持网络的图像分割方法,包括以下步骤:
[0006]S1,获取图像数据集,构建训练集图像和测试集图像,该训练集图像进 行预处理使大小设置为H
×
W;
[0007]S2,构建细节保持网络模型,细节保持网络模型包括初始卷积块、细节 保持块和残差细节保持块;
[0008]其 ...
【技术保护点】
【技术特征摘要】
1.一种基于细节保持网络的图像分割方法,其特征在于,包括以下步骤:S1,获取图像数据集,构建训练集图像和测试集图像,所述的训练集图像进行预处理使大小设置为H
×
W;S2,构建细节保持网络模型,所述细节保持网络模型包括初始卷积块、细节保持块和残差细节保持块;其中,细节保持网络模型的处理过程具体为:将大小为H
×
W的图像首先输入进初始卷积块卷积后得到H
×
W
×
C0的特征图,将所述H
×
W
×
C0的特征图输入进细节保持块中;所述细节保持块包括并行的三个输入分支;在第一输入分支中,所述H
×
W
×
C0的特征图经过步长为4的池化层后大小变化为H/4
×
W/4
×
C0,再通过3
×3×
C2的卷积核进行卷积操作后进行上采样操作得到大小为H/2
×
W/2
×
C2的第一分支特征图;在第二输入分支中,所述H
×
W
×
C0的特征图经过步长为2的池化层后大小变化为H/2
×
W/2
×
C0,再通过3
×3×
C1的卷积核进行卷积操作后得到H/2
×
W/2
×
C1的特征图,并将得到的所述H/2
×
W/2
×
C1的特征图与所述第一分支特征图进行融合,并将融合后的特征图通过3
×3×
C1的卷积核进行卷积操作后进行上采样操作得到大小为H
×
W
×
C1的第二分支特征图;在第三输入分支中,所述H
×
W
×
C0的特征图首先经过3
×3×
C0的卷积核进行卷积操作得到大小为H
×
W
×
C0的特征图,将得到的所述大小为H
×
W
×
C0的特征图与所述第二分支特征图进行融合,并将融合后的特征图通过3
×3×<...
【专利技术属性】
技术研发人员:王博,赵威,申建虎,张伟,徐正清,
申请(专利权)人:西安智诊智能科技有限公司,
类型:发明
国别省市:
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。