【技术实现步骤摘要】
融合像素连接性的视网膜血管分割方法及其系统
[0001]本专利技术涉及视网膜血管分割
，特别涉及融合像素连接性的视网膜血管分割方法及其系统。
技术介绍
[0002]对于临床诊断，完整、准确的视网膜血管提供了重要的参考信息，现有的视网膜血管分割方法可以分为传统方法和基于深度学习的方法。
[0003]在早期的传统方法中，首先提取血管中心线，并应用与血管宽度相关的形态学滤波器进行血管填充，使用设计的滤波器来增强血管，然后通过阈值分割来分割血管，在血管中心线上采用广义的形态有序滤波器和主动轮廓模型来捕获每个血管边缘。
[0004]然而与传统方法相比，基于深度学习的方法通过设计巧妙的模块来提取浅层局部特征和深度语义特征，获得了更显著的血管分割效果；现有的基于深度学习的方法，存在一定的局限性，由于存在难以分割的细小血管，这将导致在改善整体模型促进分割的同时，使得分割出的血管存在断裂现象。
技术实现思路
[0005]本专利技术主要解决的技术问题是提供融合像素连接性的视网膜血管分割方法，其通过在血管分割...
【技术保护点】
【技术特征摘要】
1.融合像素连接性的视网膜血管分割方法，其特征在于，包括如下步骤：步骤S1、对输入的视网膜图像进行血管分割，形成血管分割模型，从而输出像素预测结果，同时对视网膜图像内每一个像素与其相邻像素构建连接关系，形成连接性预测模型，输出像素连接性预测结果；步骤S2、将连接性预测模型中网络像素特征图进行连接性特征的转换；步骤S3、通过注意力模块将像素预测结果和像素连接性预测结果以注意力形式融合增强。2.根据权利要求1所述的融合像素连接性的视网膜血管分割方法，其特征在于，在步骤S1内，对视网膜图像内每一个像素与其周围3x3范围内的相邻像素构建连接关系，得到连接性矩阵。3.根据权利要求2所述的融合像素连接性的视网膜血管分割方法，其特征在于，在步骤S2内，对于连接性预测模型中网络像素特征图，以顺时针顺序检索其每个像素的第i个邻域像素得到第i个相邻像素的特征图，通过补零实现同样的特征图大小，网络像素特征图与第i个相邻像素的特征图构成一对像素特征图对。4.根据权利要求3所述的融合像素连接性的视网膜血管分割方法，其特征在于，将网络像素特征图与第i个相邻像素的特征图在通道上串联，则得到第i个连接性特征图。...
【专利技术属性】
技术研发人员：袁韵怡，张英奎，王琼，钱银玲，廖祥云，
申请(专利权)人：深圳先进技术研究院，
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。