[發明專利]邊界注意力輔助的動態圖卷積視網膜血管圖像分割方法

在審

• 申請號: 202211187195.6
• 申請日: 2022-09-28
• 公開（公告）號: CN116402829A
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 呂佳;王澤宇
• 申請（專利權）人: 重慶師范大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T5/40;G06T5/00;G06V10/80;G06V40/14;G06V40/18;G06N3/0464;G06N3/048;G06N3/0455;G06N3/08
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 胡博文

1.一種邊界注意力輔助的動態圖卷積視網膜血管圖像分割方法，其特征在于：包括以下步驟：

S1.對視網膜血管圖像進行預處理，并對預處理后的圖像進行翻轉和切片處理，得到尺寸為48×48像素的圖像切片集；

S2.將圖像切片集輸入到動態圖卷積U型網絡中進行血管特征提取，輸出血管特征圖；

S3.將U型網絡中所提取的血管特征圖輸入至邊界注意力網絡中進行處理，提取出淺層邊界特征圖；

S4.將動態圖卷積U型網絡輸出的血管特征圖與邊界注意力網絡輸出的淺層邊界特征圖進行融合，得到視網膜血管圖像分割結果。

2.根據權利要求1所述邊界注意力輔助的動態圖卷積視網膜血管圖像分割方法，其特征在于：步驟S1中，對視網膜血管圖像進行預處理包括：

S101.將視網膜血管圖像由RGB圖像轉換為灰度圖像F₁；

S102.將灰度圖像F₁進行歸一化處理，得到歸一化處理后的圖像F₂；

S103.對圖像F₂進行自適應直方圖均衡化處理，得到圖像F₃；

S104.對圖像F₃進行伽馬校正，得到校正處理后的圖像F₄；

S105.對校正處理后的圖像進行翻轉以及隨機裁剪處理，得到尺寸為48×48像素的圖像切片集，并創建每個切片圖像的索引，保存索引值。

3.根據權利要求2所述邊界注意力輔助的動態圖卷積視網膜血管圖像分割方法，其特征在于：步驟S2中，進行血管特征提取具體包括：

S21.動態圖卷積U型網絡中包括編碼器和解碼器，其中，編碼器逐層提取圖像特征，編碼器包括由輸入至輸出依次連接的結構相同的4個層，每一層具有兩個卷積序列和一個池化下采樣層，切片圖像每經過一個層處理后，輸出的特征圖尺度減小一半，通道維數增加一倍；

其中：編碼器中每一個層的第二卷積的輸出特征圖通過跳躍連接傳輸至解碼器；

S22.所述解碼器逐層恢復圖像信息，由輸入至輸出具有結構相同的4個層，每個層具有兩個卷積序列、動態圖卷積以及反卷積上采樣層；其中：輸入至解碼器的圖像信息每經過一個層，其圖像尺度擴大一倍，通道維數減半。

4.根據權利要求3所述邊界注意力輔助的動態圖卷積視網膜血管圖像分割方法，其特征在于：步驟S2中，還包括動態圖卷積處理過程，具體包括：

動態圖卷積具體為：

采用Reshape函數將解碼器每一層輸出的特征圖X轉換為圖結構G，其中，G＝(V,A)，為圖節點矩陣，N表示圖節點數目，C表示圖節點特征的維數；為鄰接矩陣，表示各節點間的連接關系；

采用Reshape函數將X轉換為圖節點矩陣W、H和C分別為特征圖的寬、高和通道數；

利用圖卷積公式提取血管圖像結構特征：

Z＝σ(AX′W)；其中，σ為ReLU激活函數，為原始圖像空間的參數矩陣；

將血管圖像結構特征還原成血管特征圖并與當前動態圖卷積所對應的解碼器的層的輸出結果相加。

5.根據權利要求4所述邊界注意力輔助的動態圖卷積視網膜血管圖像分割方法，其特征在于：通過如下公式確定鄰接矩陣A:

其中：表示點積；θ(·)包含1×1卷積和Reshape函數，W_θ和W_ρ表示鄰接矩陣的權重；是對角矩陣，表示二維特征圖的通道注意力系數，是X經過全局平均池化后的特征，ρ包括1×1卷積和激活函數Sigmoid；

確定出鄰接矩陣A后并對其采用softmax函數進行歸一化處理。