本发明专利技术公开了一种眼底血管图像的分割方法、终端设备及存储介质，其中，所述一种眼底血管图像的分割方法包括：将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征；将所述输出图像特征以及所述初始图像特征输入解码器，通过所述解码器分割所述输出图像特征，生成初始分割图像特征；组合所述初始分割图像特征和初始图像特征，生成所述眼底血管图像的分割图像。本发明专利技术采用深度可分离卷积提取眼底血管图像的特征，减少了卷积参数量和计算量的同时，加深眼底血管图像的特征提取深度，提高分割图像的清晰度和准确度。
1、眼底血管图像分割是指将眼底血管图像分割为包含相似血管特征或结构的不同部分或区域的过程。通常视网膜血管的某些形态特征与部分医学疾病有关，例如糖尿病性视网膜病变、青光眼和黄斑变性。对眼底图像中的视网膜血管进行分割，医生能够从得到的形态学信息对这些疾病进行有效诊断和分析。因此，眼底血管图像分割在眼科疾病诊断和治疗的医学图像解释和决策中至关重要。
2、在相关技术中，通常采用u-net网络对输入的眼底血管图像进行分割，u-net网络在编码器和解码器阶段只采用3×3大小的卷积核，使得特征图的感受野相对较小，网络难以学习全局的特征，且参数数量多。
>5、组合所述初始分割图像特征和所述初始图像特征，生成所述眼底血管图像的分割图像。6、可选地，所述输出图像特征包括第一输出图像特征，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤，包括：
7、基于预置的第一水平深度卷积核和第一垂直深度卷积核对所述初始图像特征进行深度可分离卷积，生成第一图像特征；
8、对所述第一图像特征进行点卷积处理，生成第二图像特征；
9、对所述第二图像特征进行全局响应归一化处理，生成第三图像特征；
10、拼接所述第三图像特征和所述初始图像特征，并对拼接结果进行点卷积处理，生成所述眼底血管图像的所述第一输出图像特征。
11、可选地，所述输出图像特征包括第二输出图像特征，所述拼接所述第三图像特征和所述初始图像特征，并对拼接结果进行点卷积处理，生成所述眼底血管图像的所述第一输出图像特征的步骤之后，还包括：
12、对所述第一输出图像特征进行最大池化处理，生成第四图像特征；
13、基于预置的第二水平深度卷积核和第二垂直深度卷积核对所述第四图像特征进行深度可分离卷积，生成第五图像特征；
14、对所述第五图像特征进行注意力机制处理，生成第一加权图像特征；
15、基于逐像素加法运算拼接所述第一加权图像特征和所述第四图像特征，生成第六图像特征；
16、对所述第六图像特征进行点卷积处理，生成所述眼底血管图像的所述第二输出图像特征。
17、可选地，所述将所述输出图像特征以及所述初始图像特征输入解码器，通过所述解码器分割所述输出图像特征，生成初始分割图像特征的步骤，包括：
18、拼接所述输出图像特征和跳跃连接的所述输出图像特征，生成第一特征；
19、对所述第一特征进行点卷积处理，生成第二特征；
20、对所述第二特征进行批归一化处理，生成第三特征；
21、基于预置的所述第二水平深度卷积核和所述第二垂直深度卷积核对所述第三特征进行深度可分离卷积，生成第四特征；
22、对所述第四特征进行注意力机制处理，生成第二加权图像特征；
23、基于逐像素加法运算拼接所述第二加权图像特征和所述第三特征，生成分割图像。
24、可选地，所述基于逐像素加法运算拼接所述第二加权图像特征和所述第三特征，生成分割图像的步骤，包括：
25、获取基于逐像素加法运算拼接所述第二加权图像特征和所述第三特征生成的第五特征；
26、对所述第五特征进行点卷积处理，生成初始分割图像特征；
27、基于逐像素加法运算拼接将所述初始分割图像特征与所述初始图像特征，生成所述分割图像。
28、可选地，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤之前，包括：
29、采用高斯卷积核对所述眼底血管图像进行卷积，获得所述眼底血管图像的低频分量图像；
30、对所述低频分量图像和所述眼底血管图像进行逐像素减法运算，获得高频分量图像；
31、对所述高频分量图像执行预设增强操作，生成所述初始图像特征。
32、可选地，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤之前，包括：
33、获取眼底血管图像的训练集样本，将所述训练集样本作为所述待分割的眼底血管图像，执行所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤，以训练所述编码器和所述解码器；
34、获取所述解码器输出的所述训练集样本对应的分割图像；
35、根据所述分割图像的像素集合与所述训练集样本对应的真实分割图像的像素集合，确定损失值；
36、根据所述损失值更新所述编码器和所述解码器组成的分割网络的模型参数。
37、可选地，所述根据所述分割图像的像素集合与所述训练集样本对应的真实分割图像的像素集合，确定损失值的步骤之后，包括：
38、获取眼底血管图像的测试集样本，将所述测试集样本作为所述待分割的眼底血管图像，执行所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤；
39、获取所述解码器输出的所述测试集样本对应的分割图像；
40、根据所述分割图像以及测试集样本确定预设的评估指标值；
41、根据所述评估指标值确定分割网络的性能是否满足要求；
42、若满足要求，执行所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤；
43、若不满足要求，继续执行所述获取眼底血管图像的训练集样本，将所述训练集样本作为所述待分割的眼底血管图像，执行所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征本文档来自技高网...
【技术保护点】
1.一种眼底血管图像的分割方法，其特征在于，所述眼底血管图像的分割方法包括：
2.如权利要求1所述的方法，其特征在于，所述输出图像特征包括第一输出图像特征，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述输出图像特征包括第二输出图像特征，所述拼接所述第三图像特征和所述初始图像特征，并对拼接结果进行点卷积处理，生成所述眼底血管图像的所述第一输出图像特征的步骤之后，还包括：
4.如权利要求3所述的方法，其特征在于，所述将所述输出图像特征以及所述初始图像特征输入解码器，通过所述解码器分割所述输出图像特征，生成初始分割图像特征的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述基于逐像素加法运算拼接所述第二加权图像特征和所述第三特征，生成分割图像的步骤，包括：
6.如权利要求1所述的方法，其特征在于，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤之前，包括：
7.如权利要求1所述的方法，其特征在于，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤之前，包括：
8.如权利要求7所述的方法，其特征在于，所述根据所述分割图像的像素集合与所述训练集样本对应的真实分割图像的像素集合，确定损失值的步骤之后，包括：
9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的终端设备的眼底血管图像的分割程序，所述终端设备的眼底血管图像的分割程序被所述处理器执行时实现如权利要求1至8中任一项所述的眼底血管图像的分割方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有终端设备的眼底血管图像的分割程序，所述终端设备的眼底血管图像的分割程序被处理器执行时实现如权利要求1至8中任一项所述的眼底血管图像的分割方法的步骤。
...
【技术特征摘要】
1.一种眼底血管图像的分割方法，其特征在于，所述眼底血管图像的分割方法包括：
2.如权利要求1所述的方法，其特征在于，所述输出图像特征包括第一输出图像特征，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过所述编码器对所述初始图像特征进行深度可分离卷积，生成所述眼底血管图像的输出图像特征的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述输出图像特征包括第二输出图像特征，所述拼接所述第三图像特征和所述初始图像特征，并对拼接结果进行点卷积处理，生成所述眼底血管图像的所述第一输出图像特征的步骤之后，还包括：
4.如权利要求3所述的方法，其特征在于，所述将所述输出图像特征以及所述初始图像特征输入解码器，通过所述解码器分割所述输出图像特征，生成初始分割图像特征的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述基于逐像素加法运算拼接所述第二加权图像特征和所述第三特征，生成分割图像的步骤，包括：
6.如权利要求1所述的方法，其特征在于，所述将待分割的眼底血管图像的初始图像特征输入编码器，通过...
【专利技术属性】
技术研发人员：温阳，沈舜喆，曾莹，庄宇航，徐强，石武祯，曹文明，
申请(专利权)人：深圳大学，
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。