【技术实现步骤摘要】
一种眼底视网膜血管分割方法、系统及电子设备
[0001]本专利技术涉及计算机视觉图像处理
,特别是涉及一种眼底视网膜血管分割方法
、
系统及电子设备
。
技术介绍
[0002]眼底图像中视网膜血管的结构和特征的变化与如糖尿病视网膜病变
、
高血压等疾病密切相关
。
因此,对眼底图像视网膜血管进行分割的研究具有临床意义和实用价值
。
然而,眼底图像在成像过程中易受到光照不一的影响,导致眼底图像中视网膜血管与眼底背景的对比度差异较小;其次,采集到的眼底图像通常存在一定的噪声像素点;除此之外,视网膜血管的结构通常较为复杂,手工实现眼底图像视网膜血管分割耗时耗力,且其结果与真实结果往往存在出入,这些原因导致手工实现视网膜血管的精确分割存在极大的困难与挑战
。
因此,通过机器实现视网膜血管的精确分割具有重要意义
。
[0003]现有的使用机器进行视网膜血管分割的方法主要包括非深度学习的方法与深度学习的方法
。
其中,非深度学习的方法通常需要依赖于大量的先验知识与额外预处理策略对视网膜血管特征进行提取,对含噪声的眼底图像其分割效果无法得到保证
。
深度学习的方法中,主流的方法是基于
U
‑
Net
的视网膜血管分割方法,尽管这类方法通过关注视网膜血管的整体关联性有效缓解了眼底图像中噪声像素点的干扰,但其忽略了与血管间的局部相关性,导致眼底图像中部分细微血管特 ...
【技术保护点】
【技术特征摘要】
1.
一种眼底视网膜血管分割方法,其特征在于,包括:获取测试者的眼底彩色图像为测试眼底彩色图像;将所述测试眼底彩色图像输入到眼底视网膜血管分割模型中,得到测试者的眼底视网膜血管分割图像;所述眼底视网膜血管分割模型是利用不同测试者的多张历史眼底彩色图像,对初始眼底视网膜血管分割模型进行训练后得到的
。2.
根据权利要求1所述的一种眼底视网膜血管分割方法,其特征在于,所述初始眼底视网膜血管分割模型包括预测融合模块和
U
型对称结构;所述
U
型对称结构嵌套有编码器和解码器;所述
U
型对称结构包括自下而上依次设置连接的一层全卷积模块层
、
二层有效特征融合模块层
、
三层全卷积模块层
、
四层残差
U
型模块层
、
五层残差
U
型模块层
、
六层残差
U
型模块层和七层残差
U
型模块层;所述四层残差
U
型模块层
、
所述五层残差
U
型模块层
、
所述六层残差
U
型模块层和所述七层残差
U
型模块层均结合有坐标注意力机制;所述一层全卷积模块层包括一层全卷积模块;所述二层有效特征融合模块层包括二层有效特征融合模块;所述三层全卷积模块层包括三层第一全卷积模块和三层第二全卷积模块;所述四层残差
U
型模块层包括四层第一残差
U
型模块和四层第二残差
U
型模块;所述五层残差
U
型模块层包括五层第一残差
U
型模块和五层第二残差
U
型模块;所述六层残差
U
型模块层包括六层第一残差
U
型模块和六层第二残差
U
型模块;所述七层残差
U
型模块层包括七层第一残差
U
型模块和七层第二残差
U
型模块;其中,所述七层第一残差
U
型模块
、
所述六层第一残差
U
型模块
、
所述五层第一残差
U
型模块
、
所述四层第一残差
U
型模块
、
所述三层第一全卷积模块
、
所述一层全卷积模块
、
所述二层有效特征融合模块
、
所述三层第二全卷积模块
、
所述四层第二残差
U
型模块
、
所述五层第二残差
U
型模块
、
所述六层第二残差
U
型模块和所述七层第二残差
U
型模块;所述三层第一全卷积模块的输出端与所述二层有效特征融合模块的输入端连接;所述三层第二全卷积模块和所述四层第二残差
U
型模块之间设置有第一拼接模块;所述四层第二全卷积模块和所述五层第二残差
U
型模块之间设置有第二拼接模块;所述五层第二全卷积模块和所述六层第二残差
U
型模块之间设置有第三拼接模块;所述六层第二全卷积模块和所述七层第二残差
U
型模块之间设置有第四拼接模块;所述四层第一残差
U
型模块的输出端与所述第一拼接模块的输入端连接;所述五层第一残差
U
型模块的输出端与所述第二拼接模块的输入端连接;所述六层第一残差
U
型模块的输出端与所述第三拼接模块的输入端连接;所述七层第一残差
U
型模块的输出端与所述第四拼接模块的输入端连接;所述一层全卷积模块
、
所述三层第二全卷积模块
、
所述四层第二残差
U
型模块
、
所述五层第二残差
U
型模块
、
所述六层第二残差
U
...
【专利技术属性】
技术研发人员:丁晨,郝小锋,郑萌萌,陈静怡,李乾芃,赵俊豪,李亚兵,张弛,
申请(专利权)人:西安邮电大学,
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。