一种基于Transformer和背景解码的视网膜血管分割方法技术

本发明专利技术公开了一种基于Transformer和背景解码的视网膜血管分割方法，包括下述步骤：对视网膜血管图像进行预处理；对预处理后的图像进行随机裁剪；将裁剪后的图像输入网络，利用编码器提取视网膜血管高级语义特征；将编码器最后一层特征输入到选择密集连接STB中；将选择密集连接STB输出进行上采样，并与编码特征结合，分别作为前景解码器和可变形背景解码器输入；将背景解码器输出结果取反，得到视网膜血管分割结果，并与前景解码器输出结果进行融合，得到最终的预测结果。本发明专利技术提出了选择密集连接swin transformer模块，嵌入到U‑Net编码器最后阶段，用于提高网络感受野，捕获图像中的长距离依赖关系。

【技术实现步骤摘要】

本专利技术属于医学图像分割，尤其涉及一种基于transformer和背景解码的视网膜血管分割方法。

技术介绍

1、青光眼、白内障、糖尿病等疾病不仅会给患者带来身体上的痛苦，而且还会持续影响患者的正常生活和工作。研究表明，糖尿病与视网膜血管的结构密切相关。医生通过观察患者眼底图像中视网膜血管的结构来诊断患者的病情。然而，直接观察眼底图像或通过人工手段分割图像，不仅花费更多的时间，而且由于图像质量问题，容易产生误判。因此，视网膜血管的自动分割可以用于某些疾病的早期诊断，提高医生的诊断效率，并在一定程度上改善诊断结果。这导致了许多视网膜血管分割算法的提出，并取得了很好的研究成果。

2、由于设备和环境的原因，视网膜血管图像不仅对比度低、而且存在光照不均匀、噪声较大和血管错综复杂等问题，给自动分割视网膜血管带来了巨大的挑战。目前，针对视网膜血管分割任务，主要分割方法可分为基于传统机器学习的方法和基于深度学习的方法。传统的机器学习方法需要人为的设计特征，参数较难调整，面对复杂的眼底视网膜血管图片，效果欠佳。随着深度学习技术的发展，基于深度学习的眼底视网膜血本文档来自技高网...

【技术保护点】

1.一种基于Transformer和背景解码的视网膜血管分割方法，其特征在于，具体包括下述步骤：

2.根据权利要求1所述的基于Transformer和背景解码的视网膜血管分割方法，其特征在于，所述步骤S1具体包括下述子步骤：

3.根据权利要求1所述的基于Transformer和背景解码的视网膜血管分割方法，其特征在于，所述步骤S2中，裁剪的图像大小为48×48像素。

4.根据权利要求1所述的基于Transformer和背景解码的视网膜血管分割方法，其特征在于，步骤S3中，所述编码器由卷积和池化构成，通过卷积和池化，不断降低图像特征分辨率，同时保留重要信...

【技术特征摘要】

1.一种基于transformer和背景解码的视网膜血管分割方法，其特征在于，具体包括下述步骤：

2.根据权利要求1所述的基于transformer和背景解码的视网膜血管分割方法，其特征在于，所述步骤s1具体包括下述子步骤：

3.根据权利要求1所述的基于transformer和背景解码的视网膜血管分割方法，其特征在于，所述步骤s2中，裁剪的图像大小为48×48像素。

4.根据权利要求1所述的基于transformer和背景解码的视网膜血管分割方法，其特征在于，步骤s3中，所述编码器由卷积和池化构成，通过卷积和池化，不断降低图像特征分辨率，同时保留重要信息。

5.根据权利要求1所述的基于transformer和背景解码的视网膜血...

【专利技术属性】
技术研发人员：吕念祖，徐黎，田纪亚，陈蒙，
申请(专利权)人：新疆理工学院，
类型：发明
国别省市：