[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

本發明涉及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，包括如下步驟：步驟1、對原始眼底圖像進行數據預處理；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；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。

技術領域

本發明涉及深度學習和醫學圖像處理領域，尤其是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。

背景技術

眼底血管分割方法可整體上歸納為非監督方法和監督方法。其中，非監督方法不依賴人工標注的血管真值圖作為指導信號，主要利用圖像處理方法進行血管分割。此類方法主要利用人工設計特征，需要依賴特征設計者的豐富的先驗知識，以達到較好的眼底血管分割效果。監督方法中，基于卷積神經網絡的血管分割方法取得優秀的分割效果。文獻首先對眼底圖像進行預處理，然后將預處理后的眼底圖像送入卷積神經網絡，進而獲得眼底血管分割結果。U-net神經網絡框架是專門為醫學圖像處理提出的深度學習框架，并得到廣泛應用。Daniele等人第一次將U-net網絡應用到眼底血管分割任務中，并有效提高了眼底血管的分割效果，該方法在臨床中得到廣泛應用。近幾年，研究人員基于U-net網絡，提出多種眼底血管分割的優化方案，進一步提升眼底血管分割的精確率。但隨著優化方案的網絡模型的增大，眼底血管分割的效率下降。現有方案無法發同時具有較高的眼底血管分割精確率和較高的分割效率。

發明內容

針對現有技術無法發同時具有較高的眼底血管分割精確率和較高的分割效率的問題，本發明提出一種基于空間和通道雙重注意力機制的眼底血管分割方案。在經典Unet網絡的基礎上，引入空間和通道雙重注意力機制增強網絡的分割能力，提升眼底血管分割的精確率，同時通過減少網絡的通道數以提升網絡的分割效率。

本發明的技術方案：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，包括如下步驟：

步驟1、對原始眼底圖像進行數據預處理；

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；

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。

進一步的，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。

進一步的，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。

進一步的，所述步驟3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

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，得到所述的眼底血管分割網絡DAU-net。

步驟B.網絡模型訓練