[發明專利]一種基于空間和通道雙重注意力機制的眼底血管分割方法

有效

• 申請號: 202110066944.9
• 申請日: 2021-01-19
• 公開（公告）號: CN112767416B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 劉磊;趙宏偉;孫明齋
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/40;G06T5/20;G06N3/0464;G06N3/082
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 張乾楨

1.一種基于空間和通道雙重注意力機制的眼底血管分割方法，其特征在于，包括如下步驟：

步驟1、對原始眼底圖像進行數據預處理，所述預處理包括對原始圖像進行直方圖均衡；

步驟2、對預處理后的眼底圖像進行數據擴增；

步驟3、構建融合空間和通道雙重注意力機制的分割網絡DAU-net，將擴增后的圖像送入到DAU-net中進行網絡訓練，利用網絡分割結果與對應的人工標注血管分割圖之間的損失指導網絡訓練，獲得訓練后的眼底血管分割模型；具體包括：

步驟A.構建空間和通道雙重注意力機制的眼底血管分割網絡DAU-net

在眼底血管分割網絡U-net基礎上，首先將所有卷積層(conv)的輸出通道減半，以降低網絡模型的復雜度，提高血管分割的效率；其次，在網絡中添加空間注意力模塊和通道注意力模塊以提升網絡分割的精確率；編碼部分，在每次下采樣(max pooling)操作之前添加空間注意力模塊和通道注意力模塊；解碼部分，在每次上采樣(upsampling)之前添加空間注意力模塊和通道注意力模塊；注意力模塊能夠使網絡關注到眼底圖像血管區域，提升網絡的分割精確率，將U-net網絡通道減半和添加兩種注意力模塊，得到所述眼底血管分割網絡DAU-net；

通道注意力模塊使網絡對通道的重要性進行編碼，獲得不同通道的權重值，進而將網絡的學習聚焦在重要的通道上，以提升網絡學習的性能，通道注意力模塊的網絡結構首先，上一層輸出的特征圖矩陣(c×h×w)作為通道注意力模塊的輸入，經過平均池化，獲得每個通道上的均值矩陣(1×1×c)；其次，將均值通過兩個卷積層獲得權重矩陣(1×1×c)，權重矩陣的每個權值代表相應通道的重要程度；最后，將獲得的權重矩陣經過S形函數激活，再與特征圖矩陣相乘，獲得加權后特征圖矩陣作為通道注意力模塊的輸出；

空間注意力模塊使網絡對特征圖上空間區域的重要性進行編碼，獲得不同區域的權重值，進而將網絡的學習聚焦在重要的空間區域上，以提升網絡學習的性能，空間注意力模塊的網絡結構，首先上一層輸出的特征圖矩陣(c×h×w)作為空間注意力模塊的輸入，沿著通道維度計算均值，得到均值特征圖矩陣(1×h×w)特征圖矩陣上每個值代表所在位置像素的重要程度；然后將均值特征圖經過S形函數激活，再與輸入的特征圖矩陣相乘，獲得加權后的特征圖均值作為空間注意力模塊的輸出；

步驟B.網絡模型訓練

首先選擇眼底血管分割的公開數據集，或者收集并標注一批眼底血管分割數據；其次，將原始眼底圖進行預處理，并與標注結果一起進行數據擴增；最后送入到DAU-net網絡中進行模型訓練，利用網絡分割結果與標注分割結果之間的損失對網絡學習進行指導，獲得最終穩定的血管分割圖；

步驟4、將待分割的測試眼底圖輸入眼底血管分割模型進行分割處理，獲得眼底血管分割結果。

2.根據權利要求1所述的一種基于空間和通道雙重注意力機制的眼底血管分割方法，其特征在于，所述步驟1包括：

首先對原始輸入圖像進行直方圖均衡，以減少光照變化對眼底圖的影響；

其次進行高斯濾波，增強眼底視盤和滲出物與圖像其他區域之間的對比。

3.根據權利要求1所述的一種基于空間和通道雙重注意力機制的眼底血管分割方法，其特征在于，所述步驟2包括：

利用高斯濾波后的圖像進行數據擴增，對圖像隨機進行旋轉或尺寸變化，達到數據擴增的目的。