【技术实现步骤摘要】
本专利技术涉及图像处理的，尤其涉及一种基于多尺度特征补偿的微动脉瘤分割方法。
技术介绍
1、糖尿病视网膜病变是由糖尿病引发的眼部疾病，微动脉瘤是其早期的症状之一。微动脉瘤多呈现为暗红色的圆点，尺寸比较小且随机分布，所以人工识别会比较困难，很容易造成误判或者漏判的情况，从而导致患者因没有及时治疗导致视觉受损等问题。因此利用计算机技术对微动脉瘤进行自动检测与分割具有重要的意义。
2、微动脉瘤分割的难点主要在于目标较小，细节特征不完整，样本不均衡，与背景的对比度低等。近年来，深度学习的方法在微动脉瘤分割任务中得到了广泛应用。使用卷积神经网络的方法，如unet、fcn、segnet等，可以从医学图像中学习并提取微动脉瘤的特征表示。这些方法利用大量的标注数据进行训练，能够实现较高的分割准确性和较好的鲁棒性。但对于大部分面积很小的微动脉瘤来说，分割的精度依旧不高，而且很容易受到干扰。现有的方法对于不同尺寸和形状的微动脉瘤可能无法进行准确分割，关于病灶的特征表示部分还不太完整，不能提取到很有效的病灶特征，容易受到大量背景特征的影响，神经网络的卷积池化操作也会导致部分病灶信息的丢失，甚至可能漏掉较小的病灶，这些对微动脉瘤的分割精度都造成了很大的影响。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种基于多尺度特征补偿的微动脉瘤分割方法解决
技术介绍
中提到的问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：>
4、本专利技术实施例提供了一种基于多尺度特征补偿的微动脉瘤分割方法，包括：
5、获取待分割微动脉瘤图像，并将所述待分割微动脉瘤图像输入至编码模块进行深度特征提取，得到多尺度特征；
6、将所述编码模块每相邻两层输出的多尺度特征输入多尺度特征补偿模块进行特征补偿；
7、通过减法融合模块将各个尺度下特征补偿后的特征以及所述减法融合模块对应层级特征的差值处理后的特征进行融合，并将融合后的特征拼接至解码模块；
8、所述解码模块将融合后的特征进行解码处理，得到微动脉瘤分割图像。
9、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：所述编码模块由依次连接的多个编码器组成，所述解码模块由依次连接的多个解码器组成。
10、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：所述多尺度特征补偿模块与所述减法融合模块设置于所述编码器和其对应的所述解码器之间，所述多尺度特征补偿模块与所述减法融合模块对应连接，所述多尺度特征补偿模块将当前编码器以及当前编码器下层编码器的编码结果进行特征补偿处理后拼接到对应的减法融合模块。
11、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：将编码模块每相邻两层输出的尺度特征图输入多尺度特征补偿模块进行特征补偿包括：
12、所述多尺度特征补偿模块引入四条并行的分支；所述分支分别采用步长为6，5，3，2和窗口大小为6×6，5×5，3×3，2×2的最大池化操作；
13、将当前编码器以及当前编码器下层编码器获取的多尺度特征作为第一分支的第一输入特征，所述第一分支采用第一尺度对所述第一输入特征进行最大池化操作得到第一特征信息；
14、利用所述第一特征信息与第一输入特征作差对多尺度特征的丢失部分信息进行补偿，将补偿后的多尺度特征融合第一输入特征作为第二分支的第二输入特征。
15、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：还包括：所述第二分支采用第二尺度对所述第二输入特征进行最大池化操作得到第二特征信息；利用所述第二特征信息与第一输入特征作差对多尺度特征的丢失部分信息进行补偿，将所述补偿后的多尺度特征融合所述第一输入特征作为第三分支的第三输入特征；
16、所述第三分支采用第三尺度对所述第三输入特征进行最大池化操作得到第三特征信息；利用所述第三特征信息与第一输入特征作差对多尺度特征的丢失部分信息进行补偿，将所述补偿后的多尺度特征作为第四分支的第四输入特征；
17、所述第四分支采用第四尺度对所述第四输入特征进行最大池化操作得到第四特征信息；
18、将所述多尺度特征补偿模块各分支得到的特征信息拼接并与第一输入特征相加作为减法融合模块的一侧输入。
19、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：所述减法融合模块将对应多尺度特征补偿模块的特征补偿结果，当前编码器以及当前编码器下层编码器的编码结果或当前编码器下层编码器对应解码器的解码结果拼接至解码模块。
20、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：通过所述减法融合模块将各个尺度下特征补偿后的特征以及所述减法融合模块对应层级特征的差值处理后的特征进行融合，并将融合后的特征拼接至解码模块，包括：
21、第一减法融合模块将当前编码器以及当前编码器下层编码器获取的多尺度特征作差加权，并拼接同一级多尺度特征补偿模块的输出，作为第三解码器的输入。
22、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：还包括：
23、第二减法融合模块将当前编码器获取的多尺度特征与当前编码器下层对应的解码器获取的多尺度特征作差加权，并拼接同一级多尺度特征补偿模块的输出，作为第二解码器的输入；
24、第二减法融合模块将当前编码器获取的多尺度特征与当前编码器下层对应的解码器获取的多尺度特征作差加权并拼接同一级多尺度特征补偿模块的输出作为第一解码器的输入；
25、所述第一解码器用于输出最终微动脉瘤分割图像。
26、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：解码模块将融合后的特征进行解码处理，得到微动脉瘤分割图像包括：通过组合损失函数对网络进行训练获取最终微动脉瘤分割图像，总损失表示为：
27、；
28、其中，为图像像素类别数，为微动脉瘤图像原始像素，为微动脉瘤图像预测像素。
29、作为本专利技术所述的基于多尺度特征补偿的微动脉瘤分割方法的一种优选方案，其中：所述微动脉瘤分割前对获取的待分割微动脉瘤图像进行增强预处理。
30、与现有技术相比，本专利技术的有益效果：本专利技术通过对原始图像进行对比度增强，缓解微动脉瘤与背景对比度较低的问题；在unet网络的基础上，设计了多尺度特征补偿模块以及减法融合模块，通过补偿特征提取过程中丢失的信息，从而丰富特征的多样性和有效性，提高了分割的精度。
本文档来自技高网...【技术保护点】
1.一种基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，包括：
2.如权利要求1所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，所述编码模块由依次连接的多个编码器组成，所述解码模块由依次连接的多个解码器组成。
3.如权利要求2所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，所述多尺度特征补偿模块与所述减法融合模块设置于所述编码器和其对应的所述解码器之间，所述多尺度特征补偿模块与所述减法融合模块对应连接，所述多尺度特征补偿模块将当前编码器以及当前编码器下层编码器的编码结果进行特征补偿处理后拼接到对应的减法融合模块。
4.如权利要求1或3所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，将编码模块每相邻两层输出的尺度特征图输入多尺度特征补偿模块进行特征补偿包括：
5.如权利要求4所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，还包括：所述第二分支采用第二尺度对所述第二输入特征进行最大池化操作得到第二特征信息；利用所述第二特征信息与第一输入特征作差对多尺度特征的丢失部分信息进行补偿，将所述补偿后的多尺度特征
6.如权利要求5所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，所述减法融合模块将对应多尺度特征补偿模块的特征补偿结果，当前编码器以及当前编码器下层编码器的编码结果或当前编码器下层编码器对应解码器的解码结果拼接至解码模块。
7.如权利要求6所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，通过所述减法融合模块将各个尺度下特征补偿后的特征以及所述减法融合模块对应层级特征的差值处理后的特征进行融合，并将融合后的特征拼接至解码模块，包括：
8.如权利要求7所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，还包括：
9.如权利要求8所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，解码模块将融合后的特征进行解码处理，得到微动脉瘤分割图像包括：通过组合损失函数对网络进行训练获取最终微动脉瘤分割图像，总损失表示为：
10.如权利要求1或9所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，微动脉瘤分割前对获取的待分割微动脉瘤图像进行增强预处理。
...【技术特征摘要】
1.一种基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，包括：
2.如权利要求1所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，所述编码模块由依次连接的多个编码器组成，所述解码模块由依次连接的多个解码器组成。
3.如权利要求2所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，所述多尺度特征补偿模块与所述减法融合模块设置于所述编码器和其对应的所述解码器之间，所述多尺度特征补偿模块与所述减法融合模块对应连接，所述多尺度特征补偿模块将当前编码器以及当前编码器下层编码器的编码结果进行特征补偿处理后拼接到对应的减法融合模块。
4.如权利要求1或3所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，将编码模块每相邻两层输出的尺度特征图输入多尺度特征补偿模块进行特征补偿包括：
5.如权利要求4所述的基于多尺度特征补偿的微动脉瘤分割方法，其特征在于，还包括：所述第二分支采用第二尺度对所述第二输入特征进行最大池化操作得到第二特征信息；利用所述第二特征信息与第一输入特征作差对多尺度特征的丢失部分信息进行补偿，将所述补偿后的多尺度...
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。