【技术实现步骤摘要】
基于分层扩散模型的眼底血管图像分割方法及系统
[0001]本公开涉及眼底血管分割
,具体涉及一种基于分层扩散模型的眼底血管图像分割方法及系统
。
技术介绍
[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息,不必然构成在先技术
。
[0003]随着计算机视觉的出现,眼底视网膜血管分割取得了重大进展
。
据了解,视网膜血管可以用作监测和评估各种疾病的窗口,包括患者的心血管和脑血管状况
。
分析视网膜动脉的几何复杂性可以作为眼底血管和脑血管疾病的有价值的诊断生物标志物,而视网膜血管网络的变化可以诊断视网膜病变的发展和进展状况
。
然而,视网膜血管结构的复杂性和可变性以及用于获取眼底图像的技术使得视网膜血管分割具有挑战性
。
传统方法中人工分割视网膜血管的准确度不高,受主观因素影响较大
。
因此,采用计算机视觉技术开发一种能够可靠地分割视网膜血管并从眼底图像中提取血管特征的算法,对于辅助医务人员在眼科
、
心脑血管疾病诊断中发挥着重要作用
。
[0004]近年来,一些研究人员提出了许多用于分割眼底图像中视网膜血管的评估算法,这些算法可以大致分为三类:基于血管跟踪的方法
、
基于匹配滤波的方法和基于机器学习的方法
。
[0005]然而,专利技术人发现,当前的血管分割方法仍然存在显著的问题,各种疾病或病变会显著降低图像清晰度,使得视网膜血管分割 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
基于分层扩散模型的眼底血管图像分割方法,其特征在于,包括:获取原始眼底图像;将原始眼底图像输入至轻量级级联网络进行特征提取,获取血管的上下文信息和血管细节位置信息,输出初始粗糙血管分割图像;基于初始粗糙血管分割图像,利用形态学膨胀原理提取血管骨架,获取血管骨架图像;将获取的初始粗糙血管分割图像以及血管骨架图像作为引导条件输入至扩散模型中,依次输出每个时间步的中间过渡血管分割图像;再将原始眼底图像作为条件,利用改进的扩散模型的去噪过程迭代细化每个时间步的中间过渡血管分割图像,输出最终的精细的血管分割图像
。2.
如权利要求1所述的基于分层扩散模型的眼底血管图像分割方法,其特征在于,所述轻量级级联网络为以级联方式合并每个鲁棒块生成的接受域,在编码器和解码器之间采用对称的多尺度跳跃连接,增强深和浅的细节的集成,每个输出后面都有一个
Sigmoid
层,每个鲁棒块具体包括:卷积层
、Dropout
层
、BatchNorm
层和
Swish
激活函数
。3.
如权利要求1所述的基于分层扩散模型的眼底血管图像分割方法,其特征在于,所述轻量级级联网络,采用具有地面真实值的监督的损失函数,具体表示为:其中,
V
表示初始粗糙血管分割图像;
p
i
∈[0,1]
表示模型对于具有标签的类的估计概率,并且
γ
是可调聚焦参数;令
V
表示为轻量级级联网络的输出,后跟
Sigmoid
层
。4.
如权利要求1所述的基于分层扩散模型的眼底血管图像分割方法,其特征在于,基于初始粗糙血管分割图像,利用形态学膨胀原理提取血管骨架,获取血管骨架图像,然后将血管骨架均匀的扩展到特定宽度,提取的方式为:其中,
S
是血管骨架,
B
是卷积核,并且
V
是初始粗糙血管分割图像;将卷积核
B
与图像
V
卷积,并且计算卷积核
B
区域中的像素点的最大值并将其分配给与参考点相对应的像素
。5.
如权利要求1所述的基于分层扩散模型的眼底血管图像分割方法,其特征在于,所述扩散模型的生成过程具体表示为:其中,
β
t
∈[0,1]
是固定方差;因此,来自
x0的噪声目标
x
t
分布表示为:分布表示为:其中,所述扩散模型利用
UNet
深度神经网络,通过将
技术研发人员:黄文慧,刘凤婷,郑元杰,巩庆涛,苏烨,黄珂,
申请(专利权)人:山东师范大学,
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。