本发明专利技术公开了一种眼底图像视杯视盘的分割方法、系统及终端，所述方法包括：构建眼底图像视杯视盘的分割模型，获取眼底图像和眼底图像的原始分割掩膜，将原始分割掩膜输入到分割模型的自编码器进行降维，将降维后分割掩膜输入到分割模型的向前加噪模块，使用噪声对降维后分割掩膜进行逐步加噪，得到噪声掩膜；将噪声掩膜和眼底图像输入到分割模型的逆向去噪模块进行逐步去噪，得到预测噪声，使用预测噪声与噪声计算出损失函数，得到目标分割模型；获取目标眼底图像，将目标眼底图像输入到目标分割模型中进行计算，得到目标眼底图像的视盘视杯分割灰度图。本发明专利技术能更高效地整合语义特征和噪声的交互，提高了眼底图像视杯视盘的分割结果的准确性。
【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种眼底图像视杯视盘的分割方法、系统、终端及计算机可读存储介质。
技术介绍
1、杯盘比的计算需要精确提取视盘和视杯的区域，由于手动分割视盘和视杯是一项耗时的专业工作，且人工评估的眼底图像可能会因为各种人为因素的影响在判断上存在显著差异，因此开发出自动准确分割眼底图像视杯视盘的方法对于青光眼的早期判断很有必要。传统的分割视杯视盘的方法主要基于视盘的颜色、边界检测、对比度阈值和形态学等，而且主要依赖人工提取图像特征，分割效果会受到图像拍摄质量、病变区域以及眼底其他结构等影响。此外所提取的特征数量也较小，类型固定，会影响模型的泛化性能。
2、目前，一些基于卷积神经网络的视杯、视盘分割方法也被提出来并取得了不错的效果；但是，这些方法都忽视了视杯视盘的边界特征信息的利用；同时，去噪扩散概率模型也被应用到医学图像分割领域，实现了不确定性映射和分割的隐式集成，但是其去噪架构无法高效地整合语义和噪声交互，导致眼底图像视杯视盘的分割结果不够准确。
3、因此，现有技术还有待于改进和发展。
/>技术本文档来自技高网...
【技术保护点】
1.一种眼底图像视杯视盘的分割方法，其特征在于，所述眼底图像视杯视盘的分割方法包括：
2.根据权利要求1所述的眼底图像视杯视盘的分割方法，其特征在于，所述将所述降维后分割掩膜输入到所述向前加噪模块，使用噪声对所述降维后分割掩膜进行多个时间步长上的逐步加噪，得到噪声掩膜，具体包括：
3.根据权利要求1所述的眼底图像视杯视盘的分割方法，其特征在于，所述去噪网络包括编码器、解码器以及瓶颈模块；
4.根据权利要求3所述的眼底图像视杯视盘的分割方法，其特征在于，所述将所述噪声掩膜和所述眼底图像输入到所述逆向去噪模块的去噪网络中进行逐步去噪，得到所有时间步长上的预...
【技术特征摘要】
1.一种眼底图像视杯视盘的分割方法，其特征在于，所述眼底图像视杯视盘的分割方法包括：
2.根据权利要求1所述的眼底图像视杯视盘的分割方法，其特征在于，所述将所述降维后分割掩膜输入到所述向前加噪模块，使用噪声对所述降维后分割掩膜进行多个时间步长上的逐步加噪，得到噪声掩膜，具体包括：
3.根据权利要求1所述的眼底图像视杯视盘的分割方法，其特征在于，所述去噪网络包括编码器、解码器以及瓶颈模块；
4.根据权利要求3所述的眼底图像视杯视盘的分割方法，其特征在于，所述将所述噪声掩膜和所述眼底图像输入到所述逆向去噪模块的去噪网络中进行逐步去噪，得到所有时间步长上的预测噪声，具体包括：
5.根据权利要求4所述的眼底图像视杯视盘的分割方法，其特征在于，所述使用所述预测噪声与对应时间步长上的噪声计算出损失函数，具体包括：
6.根据权利要求5所述的眼底图像视杯视盘的分割...
【专利技术属性】
技术研发人员：汪天富，董翔，雷柏英，谢海，
申请(专利权)人：深圳大学，
类型：发明
国别省市：
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。