[發明專利]一種基于深度學習的視網膜超分辨重建系統及方法

在審

• 申請號: 202010019592.7
• 申請日: 2020-01-08
• 公開（公告）號: CN111260551A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 蔡宏民;范志豪
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;麥小嬋

1.一種基于深度學習的視網膜超分辨重建系統，其特征在于，包括：上采樣和下采樣模塊、通道注意力模塊、3x3和1x1卷積層、以及反卷積和3x3卷積層；

所述通道注意力模塊由全局平均池化層、Relu激勵函數、1x1卷積層和Sigmoid函數組成；所述1x1卷積層包括第一1x1卷積層和第二1x1卷積層；所述全局平均池化層、第一1x1卷積層、Relu激勵函數、第二1x1卷積層和Sigmoid函數依次連接構成所述通道注意力模塊；所述上采樣和下采樣模塊包括多個反卷積層、多個卷積層和多個1x1卷積層；

低分辨率的目標圖片依次通過所述3x3和1x1卷積層、上采樣和下采樣模塊、通道注意力模塊、反卷積和3x3卷積層，得到高分辨率眼底圖像。

2.如權利要求1所述的基于深度學習的視網膜超分辨重建系統，其特征在于，所述上采樣和下采樣模塊和所述通道注意力模塊的數量均為多個且數量相同；所述上采樣和下采樣模塊和所述通道注意力模塊依次交替連接。

3.如權利要求2所述的基于深度學習的視網膜超分辨重建系統，其特征在于，相鄰的每個所述上采樣和下采樣模塊和所述通道注意力模塊進行短連接，構成局部殘差模塊。

4.如權利要求3所述的基于深度學習的視網膜超分辨重建系統，其特征在于，在所述3x3和1x1卷積層的輸入端和所述反卷積和3x3卷積層的輸出端進行長連接。

5.如權利要求4所述的基于深度學習的視網膜超分辨重建系統，其特征在于，所有的卷積層后均含有激勵函數relu。

6.一種基于深度學習的視網膜超分辨重建方法，其特征在于，基于權利要求5所述的基于深度學習的視網膜超分辨重建系統進行低分辨率圖像重建，其步驟包括：

獲取低分辨率的眼底圖像，將所述眼底圖像通過3x3和1x1卷積層進行提取淺層特征；

將所述淺層特征通過局部殘差模塊產生權重向量，根據函數對特征層賦予不同的權值；

經過多個局部殘差模塊后的特征層通過反卷積層使得特征層從低分辨率擴展為高分辨率特征層；

低分辨率圖像通過上采樣與高分辨率特征層相加產生高分辨率眼底圖像。

7.如權利要求6所述的基于深度學習的視網膜超分辨重建方法，其特征在于，所述獲取低分辨率的眼底圖像的步驟，具體包括：獲取多例眼底圖片，通過下采樣的方式對所述眼底圖片轉換成低分辨率圖片。

8.如權利要求6所述的基于深度學習的視網膜超分辨重建方法，其特征在于，所述對特征層賦予不同的權值用于代表通道與關鍵信息的相關度。