[发明专利]基于生成对抗网络的视网膜血管瘤图像分割方法

说明书

本发明公开了一种基于生成对抗网络的视网膜血管瘤图像分割方法，包括以下步骤：构造生成对抗网络结构，所述生成对抗网络包括生成器和判别器；所述生成器包括多个下采样和相同数量的上采样层；所述判别器包括多个下采样层；将血管瘤人工分割图像和原始眼底视网膜图像作为训练数据，对所述生成对抗网络进行迭代训练，得到最优生成器；基于所述最优生成器对待分割眼底视网膜图像进行血管瘤图像分割。相较于传统的基于图像处理算法的视网膜血管瘤图像分割方法，本发明可以更加准确清晰地分割图像，减少假阳性的分割结果，在图像分割细节上更精准。

技术领域

本发明涉及医学图像处理领域，尤其涉及生成对抗网络和视网膜血管 瘤分割技术领域。

背景技术

视网膜血管瘤是血管瘤病的一部分，可以是孤立、散发、非遗传型， 也可以为常染色体显性遗传。随着瘤块形成扩张，它会损害视力，更严重 地将导致青光眼、葡萄膜炎、牵拉性视网膜脱离、并发性白内障或眼球萎 缩而致视力完全丧失。医生通过观察患者视网膜眼底图像可以诊断相关病 变，因此提前对患者做周期性的检查和诊断可以让患者提前预防相关疾病。 一般情况下血管瘤由眼科医生进行检测，但是需要花费较多时间；利用计 算机图像处理技术对视网膜血管瘤眼底图像进行分割可以有效提高医生 的评估效率。

传统的分割技术有基于直方图的、基于边界分割的、基于区域分割等 等，大多数以图像处理算法为基础。针对视网膜血管瘤图像，由于此类图 像中不同粗细血管分布错杂，采用传统的分割技术往往不能兼顾血管瘤的 完整性和精确性，即，可能会缺失一些细小的血管分支细节或者包含多余 的无用信息。

因此，寻求一种适用于视网膜血管瘤图像分割的方法，是目前本领域 技术人员的研究方向。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于生成对抗网络的 视网膜血管瘤分割方法，利用生成对抗网络算法实现自动检测视网膜血管 瘤，并进行图像分割，本发明的针对，从而有效提高医生评估效率。

为实现上述目的，本发明采用如下技术方案：

一种基于生成对抗网络的视网膜血管瘤图像分割方法，包括以下步骤：

构造生成对抗网络结构，所述生成对抗网络包括生成器和判别器；所 述生成器包括多个下采样和相同数量的上采样层；所述判别器包括多个下 采样层；

将血管瘤人工分割图像和原始眼底视网膜图像作为训练数据，对所述 生成对抗网络进行迭代训练，得到最优生成器；

基于所述最优生成器对待分割眼底视网膜图像进行血管瘤图像分割。

进一步地，所述生成器至少包括多个下采样网络层、与下采样网络层 数量相同的上采样网络层；其中，所述下采样网络层包括一个下采样层、 一个卷积层和一个激活函数层；所述上采样网络层包括一个上采样层、一 个卷积层和一个激活函数层。

进一步地，所述判别器至少包括多个下采样网络层和一个全连接层。

进一步地，所述将血管瘤人工分割图像和原始眼底视网膜图像作为训 练数据，对所述生成对抗网络进行迭代训练包括：

进一步地，所述将血管瘤人工分割图像和原始眼底视网膜图像作为训 练数据，对所述生成对抗网络进行迭代训练包括：

将所述原始眼底视网膜图像作为生成器的输入，基于所述生成器得到 生成血管瘤分割图像；

将所述生成血管瘤分割图像和血管瘤人工分割图像作为判别器的输入；

利用判别器对生成器进行反向调节。

进一步地，所述判别器和生成器中的权重和偏差均是通过反向传播训 练的。

进一步地，所述生成器和判别器满足：