一种基于改进Unet网络的眼底图像视盘视杯分割方法技术

本发明专利技术提出一种基于改进Unet网络的眼底图像视盘视杯分割方法，包括步骤：使用labelme软件对获取的眼底图像数据集进行视盘视杯区域的数据标注以及数据集划分；构建Unet网络，包括主干特征提取部分、加强特征提取部分和预测部分；在Unet网络中每次3

【技术实现步骤摘要】
一种基于改进Unet网络的眼底图像视盘视杯分割方法


[0001]本专利技术属于医学影像人工智能语义分割
，尤其涉及一种基于改进Unet网络的眼底图像视盘视杯分割方法。

技术介绍

[0002]青光眼是一种可导致视力严重减弱甚至失明的高发眼部疾病，而且青光眼引起的视觉损伤是不可逆的。但是，早期发现并及时治疗可极大地降低视力损伤。青光眼的早期检查通常是通过彩色眼底图像中视杯垂直直径和视盘垂直直径的长度比例即杯盘比(cuptodiscratio,CDR)关系确定。CDR现已成为当今青光眼疾病诊断和患病程度的一个重要衡量指标。而准确计算CDR的前提就是准确地对眼底图像分割视杯和视盘区域。
[0003]传统的视杯和视盘区域分割通常是由有经验的医生手动完成，这种分割方式耗费大量精力并且分割效率较低。随着计算机视觉技术的发展，开始对眼底图像进行图像处理来实现自动准确地分割视杯和视盘区域。传统图像处理技术进行分割视杯和视盘区域方法主要有：基于超像素、血管空间结构先验分析、聚类分析和活动轮廓模型等算法。但是，上述大部分算法虽然成功实现了眼底图像视盘及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进Unet网络的眼底图像视盘视杯分割方法，其特征在于，包括以下步骤：步骤1：获取眼底图像数据集，使用labelme软件对所述眼底图像数据集进行视盘视杯区域的数据标注，并将标注后的数据集划分为训练集、验证集和测试集；步骤2：构建Unet网络，所述Unet网络包括主干特征提取部分、加强特征提取部分和预测部分，其中所述主干特征提取部分为卷积层和最大池化层的堆叠，利用主干特征提取部分获得五个初步有效特征层，五个初步有效特征层的尺寸分别为512
×
512
×
64、256
×
256
×
128、128
×
128
×
256、64
×
64
×
512和32
×
32
×
512，所述加强特征提取部分利用五个初步有效特征层进行上采样，并且进行特征融合，获得一个融合了所有特征的有效特征层，所述预测部分利用最终获得的有效特征层对每一个特征点进行三分类；步骤3：在所述Unet网络中每次3
×
3的卷积后添加批量标准化以及在尺寸为32
×

【专利技术属性】
技术研发人员：徐伟，陶淑苹，刘帅，李宗轩，高倓，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：