一种基于SBM-Net模型的视网膜血管图像分割方法技术

本发明专利技术公开了一种基于SBM‑Net模型的视网膜血管图像分割方法，包括：构建眼部数字视网膜血管的图像数据集；构建视网膜血管图像分割模型，包括编码器和解码器两部分，编码器部分包括局部特征提取模块和全局特征提取模块以及将局部特征和全局特征进行融合的MCE模块；局部特征提取模块包括依次连接的5个ISB模块；全局特征提取模块包括一个Patch Embedding模块、Linear Embedding模块以及4个Swin Transformer Block模块；解码器部分包括4个MSE模块、5个Feature map以及一个Conv 1x1像素级分类器；利用视网膜血管图像分割模型对眼部数字视网膜血管的图像进行图像分割。本发明专利技术可以有效地实现血管的分割，提高了诊断、筛选、治疗和评估各种心血管和眼科疾病的准确率，解决了视网膜血管分割困难的问题。

【技术实现步骤摘要】

本专利技术属于计算机技术语义分割，特别涉及一种基于sbm-net模型的视网膜血管图像分割方法。

技术介绍

1、视网膜图像中的血管是指在眼底图像或视网膜成像中可见的血管网络。视网膜是位于眼球内部的感光层，负责接收和传递光信号到大脑，以产生视觉感知。在视网膜图像中，血管呈现为细长的线状结构，分为动脉和静脉。动脉通常呈现为较亮的颜色，比静脉细而明亮，直径较小。而静脉则较粗，颜色较暗。血管网络呈现出分支、交叉和网状结构，可以提供关于视网膜健康状况的重要信息。视网膜血管的形态和分布对于评估眼部健康和诊断一些疾病非常重要。医生可以通过观察视网膜血管的变化来检测和监测眼部疾病，如糖尿病视网膜病变、青光眼、视网膜血管阻塞等。

2、随着人工智能技术在医学领域的研究发展，采用传统的图像分割方法对医学图像进行分割，进而大幅度提高了医疗诊断正确率，提高了医疗诊断水平。视网膜血管图像与传统医学图像不同，视网膜血管图中血管细而密集，有多个分支、交叉，分为动脉和静脉。动脉通常呈现为较亮的颜色，比静脉细而明亮，直径较小。而静脉则较粗，颜色较暗。容易导致模型过拟合，分割效果差。本文档来自技高网...

【技术保护点】

1.一种基于SBM-Net模型的视网膜血管图像分割方法，其特点在于，包括以下步骤：

2.根据权利要求1所述的基于SBM-Net模型的视网膜血管图像分割方法，其特点在于，所述ISB模块为在Inverted Residual Block模型上加入注意力SCSE。

3.根据权利要求1所述的基于SBM-Net模型的视网膜血管图像分割方法，其特点在于，所述编码器部分的具体执行过程如下：

4.根据权利要求3所述的基于SBM-Net模型的视网膜血管图像分割方法，其特点在于，所述解码器部分具体执行过程如下：

5.根据权利要求2至4任一所述的一种基于SBM-...

【技术特征摘要】

1.一种基于sbm-net模型的视网膜血管图像分割方法，其特点在于，包括以下步骤：

2.根据权利要求1所述的基于sbm-net模型的视网膜血管图像分割方法，其特点在于，所述isb模块为在inverted residual block模型上加入注意力scse。

3.根据权利要求1所述的基于sbm-net模型的视网膜血管图像分割方法，其特点在于，所述编码器部分的具体执行过程如下：

4.根据权利要求3所述的基于sbm-net模型的视网膜血管图像分割方法，其特点在于，所述解码器部分具体执行过程如下：...

【专利技术属性】
技术研发人员：陈鑫，宗慧，安雯龙，刘向超，杨占辉，周恒，孙居辉，张浩，王健，张乐，丁瑾，谢乾，陈伟，汪涛，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：