血管分割模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种血管分割模型的训练方法、装置、电子设备及存储介质。所述方法包括：获取样本眼底图像，所述样本眼底图像上标注有真实血管分割结果；将所述样本眼底图像输入至待训练血管分割模型；获取所述待训练血管分割模型输出的所述样本眼底图像的预测血管分割结果；基于所述真实血管分割结果和所述预测血管分割结果，计算得到所述待训练血管分割模型的基于软骨架化的损失函数；在所述损失函数处于预设范围内的情况下，将训练后的待训练血管分割模型作为最终的血管分割模型。本申请可以实现眼底图像的动静脉的自动分割，提高血管分割效果。

【技术实现步骤摘要】

本申请涉及人工智能，尤其涉及一种血管分割模型的训练方法、装置、电子设备及存储介质。

技术介绍

1、长期以来，视网膜血管的客观评估一直被认为是系统性血管疾病的替代生物标志物，眼底图像血管分割技术是医学图像处理中的一项重要任务，其中眼底图像中的动脉和静脉血管分割是眼底图像分割中的难点之一。现有的眼底图像分割技术包括基于传统图像处理方法的分割方法和基于深度学习的分割方法。

2、传统图像处理方法主要包括基于阈值分割的方法、基于边缘检测的方法和基于区域分割的方法。其中，基于阈值分割的方法是一种简单有效的方法，但是在图像噪声较大或者光照不均匀的情况下，其效果不佳。基于边缘检测的方法可以更好地处理光照不均匀和噪声问题，但是其对图像的边缘要求比较高，且容易受到血管边缘模糊的影响。基于区域分割的方法是一种基于区域的方法，可以更好地处理血管间的空隙和断裂，但是对于复杂的血管形态分割效果不佳。

技术实现思路

1、本申请实施例提供一种血管分割模型的训练方法、装置、电子设备及存储介质，以解决现有技术中对于复杂的血管形态分割本文档来自技高网...

【技术保护点】

1.一种血管分割模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述待训练血管分割模型包括：编码器和解码器，

3.根据权利要求2所述的方法，其特征在于，所述编码器包括：第一卷积层、第二卷积层和N个串行的卷积块，其中，所述第一卷积层和所述第二卷积层的步长不同，N为大于1的正整数，

4.根据权利要求3所述的方法，其特征在于，所述调用N个所述卷积块对所述第一采样特征图和所述第二采样特征图分别进行不同尺度的特征提取和聚合操作，得到并输出所述样本眼底图像对应的特征图，包括：

5.根据权利要求2所述的方法，其特征在...

【技术特征摘要】

1.一种血管分割模型的训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述待训练血管分割模型包括：编码器和解码器，

3.根据权利要求2所述的方法，其特征在于，所述编码器包括：第一卷积层、第二卷积层和n个串行的卷积块，其中，所述第一卷积层和所述第二卷积层的步长不同，n为大于1的正整数，

4.根据权利要求3所述的方法，其特征在于，所述调用n个所述卷积块对所述第一采样特征图和所述第二采样特征图分别进行不同尺度的特征提取和聚合操作，得到并输出所述样本眼底图像对应的特征图，包括：

5.根据权利要求2所述的方法，其特征在于，所述解码器包括：上采样模块、m个融合采样模块和卷积层，m为大于1的正整数，

6.根据权利要求1所述的方法，其特征在于，所述基于所述真实血管分割结果和所述预测血管分割结果，计算得到所述待训练血管分割模型的基于软骨架化的损失函数，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述真实血管分割结果和所述预测血管分割结果，计算得到基于软骨架化的dice损失函...

【专利技术属性】
技术研发人员：刘家明，何兰青，陈荡荡，
申请(专利权)人：北京鹰瞳智能科技有限公司，
类型：发明
国别省市：