[發(fā)明專利]基于共享解碼器和殘差塔式結(jié)構(gòu)的眼底圖像血管分割方法

有效

• 申請?zhí)枺?/td>: 202011595279.4
• 申請日: 2020-12-29
• 公開（公告）號: CN112669285B
• 公開（公告）日: 2022-03-08
• 發(fā)明（設(shè)計）人: 任傳賢;許耿鑫
• 申請（專利權(quán)）人: 中山大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T3/40
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發(fā)明公開了一種基于共享解碼器和殘差塔式結(jié)構(gòu)的眼底圖像血管分割方法，所述方法包括以下步驟：通過數(shù)據(jù)輸入模塊得到訓(xùn)練數(shù)據(jù)集圖像塊、測試數(shù)據(jù)集圖像塊；通過殘差塔式模塊，得到殘差塔式序列；通過編碼模塊得到多等級語義特征；通過共享解碼模塊，得到多等級概率圖；將多尺度標簽、殘差塔式序列、共享解碼器得到的概率圖構(gòu)造成模型總損失，并利用PyTorch進行梯度優(yōu)化，訓(xùn)練編碼模塊、共享解碼模塊中的參數(shù)；將測試數(shù)據(jù)集圖像塊依次輸入到訓(xùn)練后的編碼模塊和共享解碼模塊以得到概率圖，對所得概率圖并進行拼接、二值化處理得到最終的分割結(jié)果。本發(fā)明解決了血管口徑分布不均、眼底圖像對比度較弱問題。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，更具體地，涉及基于共享解碼器和殘差塔式結(jié)構(gòu)的眼底圖像血管分割方法。

背景技術(shù)

視網(wǎng)膜血管的精確分割對于糖尿病視網(wǎng)膜病變、老年性黃斑病變、青光眼等眼科疾病的診斷起著關(guān)鍵的作用。該技術(shù)的目的是將眼底圖像進行像素級別的分類，即判斷每個像素點是否為視網(wǎng)膜血管。

針對視網(wǎng)膜血管的分割問題，目前主流的技術(shù)包括U型網(wǎng)絡(luò)(U-Net)及其改進方法。U型網(wǎng)絡(luò)由編碼器和解碼器串聯(lián)而成。為了提升U型網(wǎng)絡(luò)的分割效果，主要的改進方法有多模塊網(wǎng)絡(luò)方法(MS-NFN)和雙路編碼U型網(wǎng)絡(luò)(DEU-Net)。

多模塊網(wǎng)絡(luò)方法(Yicheng Wu,Yong Xia,Yang Song,Yanning Zhang,WeidongCai.Multiscale Network Followed Network Model for Retinal VesselSegmentation.International Conference on Medical Image Computing andComputer-Assisted Intervention.Sept.16-20,2018:119-126,Granada,Spain.)通過設(shè)計上采樣池化連接網(wǎng)絡(luò)模塊和池化上采樣連接網(wǎng)絡(luò)模塊，并分別將他們集成為多尺度連接網(wǎng)絡(luò)。上采樣池化連接網(wǎng)絡(luò)模塊由兩組上采樣層和最大池化層串聯(lián)而成；池化上采樣連接網(wǎng)絡(luò)模塊由兩組最大池化層和上采樣層串聯(lián)而成。由于多尺度連接模塊的設(shè)計，該模型能夠有效地提升多尺度血管的分割效果。

為了增大網(wǎng)絡(luò)感受野并提取到豐富的空間信息，雙路編碼U型網(wǎng)絡(luò)(Bo Wang,Shuang Qiu,Huiguang He.Dual Encoding U-Net for Retinal VesselSegmentation.International Conference on Medical Image Computing andComputer-Assisted Intervention.Oct.13-17,2019:84-92,Shenzhen,China)設(shè)計了由空間路徑和上下文路徑并聯(lián)的編碼器。空間路徑利用較大步幅(stride)的卷積核以保存空間信息；上下文路徑利用多尺度卷積塊以捕捉不同感受野的語義信息。網(wǎng)絡(luò)的特征融合模塊，將兩個路徑得到的不同層次的特征表示結(jié)合起來，最終提升分割精度。

以上方法通過引入多尺度模塊，并將他們?nèi)诤系玫郊赡Ｐ汀＿@些方法在一定程度上改進了網(wǎng)絡(luò)對多尺度語義特征的學(xué)習(xí)效果，但還存在如下不足之處：一方面，多尺度模塊的設(shè)計導(dǎo)致模型的計算復(fù)雜度高，而且這些模塊之間缺乏共享機制；另一方面，以上方法考慮的是由輸出概率圖和標簽構(gòu)成的全局損失，其中的背景和動脈區(qū)域占據(jù)了大量的面積，導(dǎo)致模型對毛細血管和血管邊緣這些難度較大區(qū)域的特征學(xué)習(xí)不充分。

發(fā)明內(nèi)容

本發(fā)明為克服上述現(xiàn)有技術(shù)中眼底圖像血管分割時，無法有效解決血管口徑分布不均、眼底圖像對比度較弱問題，提供基于共享解碼器和殘差塔式結(jié)構(gòu)的眼底圖像血管分割方法。

本發(fā)明的首要目的是為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

基于共享解碼器和殘差塔式結(jié)構(gòu)的眼底圖像血管分割方法，所述方法利用處理模塊實現(xiàn)，所述處理模塊包括：數(shù)據(jù)輸入模塊、殘差塔式模塊、編碼模塊、共享解碼模塊、損失模塊、數(shù)據(jù)輸出模塊，所述方法包括以下步驟：