一种空间重建特征交互Transformer视网膜血管分割方法技术

本发明专利技术涉及视网膜血管分割方法技术领域，具体地说，涉及一种空间重建特征交互Transformer视网膜血管分割方法，首先，SRU模块可以基于权重分离冗余特征并对其进行重构，以减少细粒度对象中的特征空间冗余信息及网络整体计算量，同时保证网络精度；其次FIT模块在编解码底层充分聚合血管上下文信息，减小血管细节丢失度及误分割率；最后使用TFA模块，促进同尺度特征图之间语义交互；得到的最终分割结果准确率与灵敏度分别高达97.07％和81.59％，总体性能由受试者工作特征曲线及PR曲线体现，ROC曲线以假阳性概率为横轴，真阳性率为纵轴，PR曲线以召回率为横轴，准确率为纵轴，ROC曲线值达到98.75％，PR曲线值达到91.64％，已达到现在医疗实际应用的水准。

【技术实现步骤摘要】

本专利技术涉及视网膜血管分割方法，具体地说，涉及一种空间重建特征交互transformer视网膜血管分割方法。

技术介绍

1、视网膜中微小血管的形态结构对于眼科疾病的诊断与治疗至关重要，视网膜静脉阻塞、视网膜动脉硬化等疾病可能导致血管狭窄、扭曲或出血，这些变化均可以通过检查微小血管来评估，因此视网膜血管分割是眼底图像分析的重要步骤，但视网膜血管分割任务面临光照不均匀和血管交织状分布等问题，人工分割视网膜血管耗时费力，医生之间的分割结果往往不尽相同；因此迫切需要一种快速精确的视网膜血管分割算法，为临床眼科医生对疾病的诊断和治疗提供帮助。

2、最新文献“resdo-unet:a，deep，residual，network，for，accurate，retinal，vessel，segmentation，from，fundus，images(liu，y，shen，j，yang，l，et，al.，resdo-unet，a，deep，residual，network，for，accurate，retinal，vessel，segmentation，fro本文档来自技高网...

【技术保护点】

1.一种空间重建特征交互Transformer视网膜血管分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种空间重建特征交互Transformer视网膜血管分割方法，其特征在于：所述步骤2构建视网膜血管分割模型包括编码、解码、编解码底部和视网膜血管分割四部分：

3.根据权利要求2所述的一种空间重建特征交互Transformer视网膜血管分割方法，其特征在于：所述步骤2.2解码部分血管特征利用率对分割结果至关重要，仅采用直连方式整合上采样层和编码器输入特征以恢复特征图尺寸与细节信息容易丢失底层特征，为更好地提升同分辨率特征以及图中语义及空间信息利用率，...

【技术特征摘要】

1.一种空间重建特征交互transformer视网膜血管分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种空间重建特征交互transformer视网膜血管分割方法，其特征在于：所述步骤2构建视网膜血管分割模型包括编码、解码、编解码底部和视网膜血管分割四部分：

3.根据权利要求2所述的一种空间重建特征交互transformer视网膜血管分割方法，其特征在于：所述步骤2.2解码部分血管特征利用率对分割结果至关重要，仅采用直连方式整合上采样层和编码器输入特征以恢复特征图尺寸与细节信息容易丢失底层特征，为更好地提升同分辨率特征以及图中语义及空间信息利用率，在解码部分设计主干特征聚合模块(tfa)；首先编码部分通过堆叠卷积和池化层来提取图像的高级抽象特征，但在解码器中，需要整合这些特征以捕获更广泛的上下文信息；tfa能够有效地整合来自编码器的上层特征，以帮助模型理解图像的整体结构；其次解码器中的特征图包含有关图像细节的信息，但由于空间分辨率的减小，会损失一些微细血管细节信息，tfa有助于在保留上层上下文信息的同时，将细节信息有效地传递到解码器，以增强分割模型对视网膜图像细节的感知；最后神经网络随着层数的增加，信息会逐渐丢失，tfa有助于减少视网膜语义信息在网络中传播过程中的丢失问题，提高模型对输入信息的保持和利用效率。

4.根据权利要求2所述的一种空间重建特征交互transformer视网膜血管分割方法，其特征在于：所述步骤2.3编解码底部部分transformer模型在视网膜血管分割任务中具有一些潜在的优点，最初使用于自然语言处理任务，传统的卷积神经网络(cnn)在处理长距离依赖关系时可能受到限制，而transformer模型通过自注意力机制可以更好地建模图像中像素之间的长距离关系，有...

【专利技术属性】
技术研发人员：吴健，卢宝贺，梁礼明，阳渊，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：