融合UNet和边缘检测模型的视网膜血管分割方法技术

本发明专利技术涉及一种融合UNet和边缘检测模型的视网膜血管分割方法。基于UNet网络，将UNet的普通卷积替换成混合空洞卷积，增大感受野，提取更多的特征；另一方面，使用UNet的编码器部分替换HED的VGG

【技术实现步骤摘要】
融合UNet和边缘检测模型的视网膜血管分割方法


[0001]本专利技术属于医学图像分割
，具体涉及一种融合UNet和边缘检测模型的视网膜血管分割方法。

技术介绍

[0002]眼底的视网膜血管提供了眼睛甚至整个身体健康的大量信息。不同结构的视网膜血管可以用来诊断某些疾病，比如高血压或糖尿病。高血压性视网膜病(HR)是由于长期高血压的患者的动脉血压升高或者血管狭窄导致血管弯曲，糖尿病视网膜病变(DR)则是由糖尿病引起的，可能伴随着血管肿胀。因此，视网膜血管分割是诊断某些疾病的重要步骤，精确地分割视网膜血管是具有重要意义的。目前，分割视网膜血管主要分为两种方法：手工分割视网膜血管、基于深度学习的方法。视网膜血管分割完成后，医生可以根据分割的血管结构，诊断病人的一些疾病。然而，人工分割不仅要求专业人员拥有极高的专业能力，而且还是一项费时费力的工作。基于深度学习的方法不仅可以节省人力和时间，而且在精度上也有着极大的保证。视网膜血管分割是眼部疾病检测的基础，血管分割的精度直接影响到后续疾病诊断的准确性。
[0003]在拍摄的视网膜眼底图像中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合UNet和边缘检测模型的视网膜血管分割方法，其特征在于，基于UNet网络，将UNet的普通卷积替换成混合空洞卷积，增大感受野，提取更多的特征；另一方面，使用UNet的编码器部分替换HED的VGG
‑
16，将血管的轮廓展现出来，最后结合HED输出和经过ASPP后的UNet分割的输出得到最后的结果。2.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分割方法，其特征在于，所述UNet网络采用编码器
‑
解码器结构。3.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分割方法，其特征在于，还对UNet网络的基本组成结构Conv
‑
BN
‑
ReLU中进行修改，即在BN与ReLU之间添加Dropout。4.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分...

【专利技术属性】
技术研发人员：李佐勇，严裴鑫，曹新容，宋李斌，胡蓉，丁诗峰，
申请(专利权)人：闽江学院，
类型：发明
国别省市：