【技术实现步骤摘要】
本专利技术是一种利用神经网络对于视网膜血管图像进行图像分割的方法，属于计算机视觉中的图像分割领域，
技术介绍
1、视网膜血管是全身微循环的一部分，由于青光眼、糖尿病、高血压等疾病会引起其长度、直径、弯曲度等形态变化，通过观察和分析眼底血管，可以预防、诊断和治疗相关疾病。在我国，此类疾病的患者较多，由于传统的诊断过程依赖于医学专家的个人经验和临床判断，很难满足日常诊断需要。随着深度学习技术的不断发展，利用卷积神经网络来自动的提取图像特征，利用此方法可以对于视网膜血管进行自动分割，降低了人工诊断的成本，提升了疾病诊断的效率。但是目前最先进的分割网络仍然不能完全满足当前的实际需要，此领域仍然存在着准确率不足的问题，亟待解决。
2、目前，基于卷积神经网络的视网膜血管分割方法已经取得了很大的进展，基于u-net网络的不同变体常常对于编解码器以及两者之间的颈部网络进行改进，例如引入了不同注意力机制的ma-net方法和sa-unet方法；引入了inception模块的multiresunet方法。尽管上述方法相较于传统的方法已经有了很大的...
【技术保护点】
1.一种基于多阶段特征分析视网膜血管图像分割方法，其特征在于：该方法基于U-Net的架构包含混合卷积模块、多头自注意力模块、通过混合池化方法实现的多尺度通道注意力机制跳跃连接模块的网络结构：
2.根据权利要求1所述的基于多阶段特征分析视网膜血管图像分割方法，其特征在于：
3.根据权利要求2所述的基于多阶段特征分析视网膜血管图像分割方法，其特征在于：
4.根据权利要求2所述的基于多阶段特征分析视网膜血管图像分割方法，其特征在于：
5.根据权利要求1所述的基于多阶段特征分析视网膜血管图像分割方法，其特征在于：
【技术特征摘要】
1.一种基于多阶段特征分析视网膜血管图像分割方法，其特征在于：该方法基于u-net的架构包含混合卷积模块、多头自注意力模块、通过混合池化方法实现的多尺度通道注意力机制跳跃连接模块的网络结构：
2.根据权利要求1所述的基于多阶段特征分析视网膜血管图像分割方法，其特征在于...
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。