[發(fā)明專利]一種多階段特征融合的視網(wǎng)膜血管分割方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210050896.9
• 申請日: 2022-01-17
• 公開（公告）號: CN114418987A
• 公開（公告）日: 2022-04-29
• 發(fā)明（設(shè)計）人: 王素玉;段堃儀
• 申請（專利權(quán)）人: 北京工業(yè)大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06K9/62;G06V10/80;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京匯信合知識產(chǎn)權(quán)代理有限公司 11335
• 代理人: 孫民興

本發(fā)明提供一種多階段特征融合的視網(wǎng)膜血管分割方法及系統(tǒng)，涉及計算機視覺中的醫(yī)學圖像分割技術(shù)領(lǐng)域，包括：將預處理的視網(wǎng)膜血管圖像輸入卷積神經(jīng)網(wǎng)絡(luò)獲取初始特征圖；根據(jù)初始特征圖進行多次下采樣，獲得多張下采樣特征圖并進行多階段特征融合，獲得多張融合特征圖；對最后一次下采樣得到的下采樣特征圖進行多尺度池化，包括條形池化，獲得圖像池化后特征圖；對池化后特征圖持續(xù)進行多次上采樣、均與尺寸相同的融合特征圖進行對應(yīng)像素相加操作，直至恢復初始特征圖尺寸大小，獲得完整特征圖；根據(jù)完整特征圖反卷積獲得視網(wǎng)膜血管圖像的分割圖。本發(fā)明能夠更大程度保留視網(wǎng)膜血管中的細小血管，血管邊緣結(jié)構(gòu)也明顯更清晰，分割結(jié)果更準確。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺中的醫(yī)學圖像分割技術(shù)領(lǐng)域，涉及一種多階段特征融合的視網(wǎng)膜血管分割方法及系統(tǒng)，尤其是涉及一種基于注意力引導濾波器的多階段特征融合視網(wǎng)膜血管分割方法及系統(tǒng)。

背景技術(shù)

許多疾病通過觀察眼底血管系統(tǒng)可以很容易地診斷和跟蹤，因為這些疾病(如糖尿病性和高血壓性眼底疾病)可以引起視網(wǎng)膜血管的形態(tài)變化。然而，視網(wǎng)膜圖像中的血管分布密集且不規(guī)則，小血管對比度低，很容易與背景混淆。這些問題導致僅靠醫(yī)生來診斷疾病成為一項繁瑣和低效的任務(wù)，迫切需要依靠科技進行高效精準的診斷。

傳統(tǒng)的分割方法需要人工提取眼底圖像中血管的某些規(guī)則和形態(tài)，因血管特征編碼方式較為簡單，血管信息提取粗糙，故其分割結(jié)果準確率不高。

隨著深度學習的不斷發(fā)展，利用卷積神經(jīng)網(wǎng)絡(luò)來自動提取特征，大大降低了人工的作業(yè)的成本，準確率也有了明顯的提升。但是目前最先進的分割方法也依然存在血管特征提取不足，及血管邊界模糊等問題，亟待解決。

目前，基于卷積神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜血管分割方法已經(jīng)取得了很大的進展，例如MultiResUnet方法、NFN+方法、MES-Net方法等。盡管上述方法相較于傳統(tǒng)的分割方法有了不可比擬的優(yōu)勢，在主流的公開數(shù)據(jù)集DRIVE、CHASE_DB1上實現(xiàn)了較高的準確率，但是依然存在著單階段特征提取不充分的問題，其靈敏度仍然存在比較大的可提升空間。

發(fā)明內(nèi)容

針對上述算法的單階段特征提取不充分，血管邊界模糊的問題，本發(fā)明提供了一種多階段特征融合的視網(wǎng)膜血管分割方法及系統(tǒng)，充分提取視網(wǎng)膜血管特征，使分割靈敏度及結(jié)果更準確。

為實現(xiàn)上述目的，本發(fā)明提供了一種多階段特征融合的視網(wǎng)膜血管分割方法，包括：

將預處理的視網(wǎng)膜血管圖像輸入卷積神經(jīng)網(wǎng)絡(luò)獲取初始特征圖；

根據(jù)所述初始特征圖進行多次下采樣，獲得多張下采樣特征圖并進行多階段特征融合，獲得多張融合特征圖；

對最后一次下采樣得到的所述下采樣特征圖進行多尺度池化，包括條形池化，獲得圖像池化后特征圖；

對所述池化后特征圖持續(xù)進行多次上采樣、均與尺寸相同的所述融合特征圖進行對應(yīng)像素相加操作，直至恢復所述初始特征圖尺寸大小，獲得完整特征圖；

根據(jù)所述完整特征圖反卷積獲得所述視網(wǎng)膜血管圖像的分割圖。

作為本發(fā)明的進一步改進，

將預處理后的所述視網(wǎng)膜血管圖像輸入卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，得到初始特征圖，并對所述初始特征圖進行多次下采樣，對應(yīng)獲得多張下采樣特征圖；

對所述初始特征圖和所述下采樣特征圖進行多階段特征融合，獲得多張融合特征圖；

對最后一次下采樣獲得的所述下采樣特征圖進行多尺度池化，包括條形池化和殘差多尺度池化，獲取圖像全局特征并與最后一次下采樣的所述下采樣特征圖的圖像特征相連接，獲得圖像池化后特征圖；