[發明專利]一種基于深度學習的眼底圖像病灶分割方法

在審

• 申請號: 202210293140.7
• 申請日: 2022-03-23
• 公開（公告）號: CN114663440A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 郭恒睿;周賀凱;余天;曹恩苓;周雨
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/04
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 廖曦

1.一種基于深度學習的眼底圖像病灶分割方法，其特征在于，該方法包括以下步驟：

S1：使用眼底圖像作為原始數據集，并采用SMOTE增強原始數據集，分為訓練集和驗證集；

S2：采用U-Net網絡結構作為框架，編碼器由Swin-Transformer構成，解碼器部分由DUpsampling模塊構成；

S3：使用殘差網絡結構改進編碼器部分，得到改進后的U-Net網絡；

S4：訓練改進后的U-Net網絡，使用log-cosh dice loss損失函數來計算病癥分割的損失值，從而得到優化后的U-Net網絡模型；

S5：根據優化后的U-Net網絡模型，輸入測試眼底圖像數據，輸出病征分割圖像。

2.根據權利要求1所述的眼底圖像病灶分割方法，其特征在于，步驟S2中，Swin-Transformer結構有四層，第一層開始階段會將CT圖像分割為4個區塊，每個區塊通過補丁分區來縮小輸入特征圖的分辨率，再嵌入向量到下一個Swin-Transformer分區，利用二維卷積層的方法，每經過一次這樣的Down-sampling過程，空間深度積為原來的四分之一，通道數變為原來的四倍，再又一個MLP縮減一半，經上述變化得到每經歷一層，總數據量變為原來的二分之一；

DUpsampling模塊，首先定義為解碼器輸出，Y＝[0,1,2,…,C]^H×W為人工標注掩碼，C和分別表示分割的類別和最終輸出的通道數，W和分別表示DUpsampling的重建反投影矩陣和DUpsampling的重建投影矩陣，H和分別表示水平子窗口網格大小和垂直子窗口網格大小，通過以下公式(1)計算的L(F,Y)代替雙線性插值；

L(F,Y)＝Loss(softmax(DUpsample(F)),Y) (1)

其中，L(F,Y)表示單一數據線性上采樣，DUpsample(F)表示將卷積參數放置于W中存儲通過線性上采樣；

其中，T表示溫度參數，Z_i表示銳化的自適應溫度激活函數值，j表示自適應溫度激活參數。

3.根據權利要求1所述的眼底圖像病灶分割方法，其特征在于，步驟S3中，使用殘差網絡結構改進編碼器部分，具體包括：首先殘差網絡殘差塊使用表達式如下：

x_l+1＝x_l+F(x_l,W_l) (5)

其中，F(x_l,W_l)是殘差部分，x_l表示淺層單元l的特征，l表示任意深度單元；

x_l+1＝h(x_l)+F(x_l,W_l) (6)

使用L表示在任一單位內累積的各個殘差塊特征之和，表達式為：

從導數鏈式的法則中得到，x_l的梯度應利用偏導數轉化的損失函數表達，這里損失函數使用ε來表示：

4.根據權利要求1所述的眼底圖像病灶分割方法，其特征在于，步驟S4中，log-coshdice loss損失函數是Cosh(x)函數和Log(x)函數的合并，并引入Dick系數，表達式為：

L_lc-dce＝log(cosh(DiceLoss))

其中，L_lc-dce表示log-cosh dice loss損失函數；Cosh(x)函數的表達式為：