[發(fā)明專利]一種用于深度學習評定血管網(wǎng)絡發(fā)育水平的數(shù)據(jù)集增強方法

有效

• 申請?zhí)枺?/td>: 201810261472.0
• 申請日: 2018-03-28
• 公開（公告）號: CN108596840B
• 公開（公告）日: 2021-10-29
• 發(fā)明（設計）人: 方路平;趙沈佳;潘清;盛邱煬;陸飛
• 申請（專利權）人: 浙江工業(yè)大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/136;G06T7/11
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種用于深度學習評定血管網(wǎng)絡發(fā)育水平的數(shù)據(jù)集增強方法，其特征在于，所述方法包括以下步驟：

a.對原始圖像進行預處理；

b.對預處理之后的圖像進行數(shù)據(jù)擴增；數(shù)據(jù)擴增包括以下步驟：

b1設定一個圖片覆蓋率的閾值E，該閾值的設定是為了避免擴增圖片的重疊區(qū)域過大；

b2在預處理之后的圖像中進行均勻隨機取點，以均勻隨機取到的坐標點作為擴增圖片的中心點生成圖片，計算該圖像與每一張已存在的圖像的覆蓋率，假定均勻隨機取點的坐標為(X,Y)，以該點作為圖片的中心點生成正方形的圖片，圖片的邊長為C，另一點坐標為(X′,Y′)，圖片的邊長為C，則兩圖重疊面積為：

計算得這兩張圖的覆蓋率為：

b3若均勻隨機取點生成的圖片與已存在的圖片計算得的覆蓋率低于覆蓋率閾值E，則該點作為圖片中心點生成的圖片符合要求，并對其進行保存，否則重新進行隨機均勻取點，重復上述操作，直到這張預處理之后的圖片無法取到滿足條件的坐標點為止；

b4對b3保存的圖像進行一定角度的旋轉、鏡像等操作，使其生成新的數(shù)據(jù)，每旋轉一個角度便生成一個新的數(shù)據(jù)，同理每做一次鏡像便生成一個新的數(shù)據(jù)；

c.在原始圖像空間范圍中劃分等面積的N個矩形區(qū)域；

d.在每個區(qū)域中隨機選取相同比例數(shù)量的圖片生成數(shù)據(jù)集。

2.如權利要求1所述的一種用于深度學習評定血管網(wǎng)絡發(fā)育水平的數(shù)據(jù)集增強方法，其特征在于，所述步驟a中，預處理包括以下步驟：

a1去除圖像周圍無效信息的區(qū)域；

a2對用不同放大鏡倍數(shù)生成的圖像進行縮放處理，使其達到同樣的比例尺標準；

a3對圖像做二值化處理，去除噪聲點干擾。

3.如權利要求1或2所述的一種用于深度學習評定血管網(wǎng)絡發(fā)育水平的數(shù)據(jù)集增強方法，其特征在于，所述步驟c中，區(qū)域劃分包括以下步驟：

c1區(qū)域的劃分視預處理之后的圖片尺寸和擴增后的圖片尺寸而定，將預處理之后的圖片劃分為N個等面積的矩形區(qū)域；

c2若預處理后的圖片尺寸遠大于數(shù)據(jù)擴增后的圖片尺寸，則增加劃分的矩形區(qū)域；否則，減少劃分的矩形區(qū)域。

4.如權利要求3所述的一種用于深度學習評定血管網(wǎng)絡發(fā)育水平的數(shù)據(jù)集增強方法，其特征在于，所述步驟c2中，劃分矩形區(qū)域的方式為：平行于圖片的長或者寬進行劃分或宮格劃分，保證每個等面積的矩形區(qū)域有足夠多擴增圖片的中心點，便于進行圖片的選取。

5.如權利要求1或2所述的一種用于深度學習評定血管網(wǎng)絡發(fā)育水平的數(shù)據(jù)集增強方法，其特征在于，所述步驟d中，生成數(shù)據(jù)集包括以下步驟：

d1設定一個比例值，假定為G％，該值用于確定每個劃分區(qū)域的擴增數(shù)據(jù)入選訓練集的數(shù)量；

d2步驟c中已經(jīng)將預處理后的圖像劃分為等面積的N個矩形區(qū)域，用A₁,A₂……A_N表示劃分的區(qū)域，若有F張圖片的中心坐標點落在A₁區(qū)域，那么我們就在A₁區(qū)域中隨機選取[F*G％]張由中心坐標點生成的擴增圖片到訓練集中，剩余的圖片放入測試集中；對A₂…A_N區(qū)域重復上述操作。