【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及一种半监督octa血管分割方法及成像方法。
技术介绍
1、octa是一种能够清晰展示视网膜处微血管形态与变化的非侵入式成像方式，对应的octa图像是眼科领域的临床应用和基础研究应用的重要数据支撑。因此，对octa图像中的血管进行分割标注，对于眼科领域的临床应用和基础研究应用，具有重要意义。
2、现阶段，传统的octa图像的血管分割方案，主要是基于机器学习的传统分割方法和基于深度学习的分割方法，而且这两类方案都需要大量且精准的octa标注图像。但是，octa图像具有较高的血管分辨率，标定这种高分辨率图像所需的人力成本与时间成本非常高，因此高质量且精准的octa图像的血管标注数据极为稀少。因此，在缺少可靠、精准且数量足够的训练数据的情况下，现有的octa血管分割方案的可靠性和精确性都较差。
技术实现思路
1、本专利技术的目的之一在于提供一种可靠性高且精确性好的半监督octa血管分割方法。
2、本专利技术的目的之二在于提供一种包括了所述...
【技术保护点】
1.一种半监督OCTA血管分割方法，包括如下步骤：
2.根据权利要求1所述的半监督OCTA血管分割方法，其特征在于步骤S2所述的对步骤S1获取的OCTA眼部图像，选择若干图像进行血管标注，对剩余的图像不进行标注，并对图像进行随机数据增强，从而构建训练数据集，具体包括如下步骤：
3.根据权利要求2所述的半监督OCTA血管分割方法，其特征在于步骤S3所述的基于卷积模块和注意力机制，构建半监督OCTA血管分割初级模型，具体包括如下步骤：
4.根据权利要求3所述的半监督OCTA血管分割方法，其特征在于所述的基于卷积模块构建编码模块，具体包括
<...【技术特征摘要】
1.一种半监督octa血管分割方法，包括如下步骤：
2.根据权利要求1所述的半监督octa血管分割方法，其特征在于步骤s2所述的对步骤s1获取的octa眼部图像，选择若干图像进行血管标注，对剩余的图像不进行标注，并对图像进行随机数据增强，从而构建训练数据集，具体包括如下步骤：
3.根据权利要求2所述的半监督octa血管分割方法，其特征在于步骤s3所述的基于卷积模块和注意力机制，构建半监督octa血管分割初级模型，具体包括如下步骤：
4.根据权利要求3所述的半监督octa血管分割方法，其特征在于所述的基于卷积模块构建编码模块，具体包括如下步骤：
5.根据权利要求4所述的半监督octa血管...
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。