[发明专利]对称全卷积神经网络模型构建方法、眼底图像血管分割方法、装置、计算机设备及存储介质

说明书

本发明实施例提供一种对称全卷积神经网络模型构建方法、眼底图像血管分割方法、装置、计算机设备及存储介质。所述训练方法包括：对原始眼底图像进行分块处理以及白化处理以得到原始眼底图像块；将原始眼底图像块输入到预设的对称全卷积神经网络中进行训练，以得到预设的对称全卷积神经网络模型，其中，该模型中的每一隐藏层实现对本层输入的特征图进行处理，对本层之前所有输出的特征图进行处理，以实现输入为原始眼底图像块，输出为与原始眼底图像块对应的每个像素的眼底血管分割结果。本发明实施例还提供一种眼底图像血管分割方法。本发明实施例构建的模型避免了过拟合问题，提高了模型的泛化能力，提高了眼底图像血管分割的准确度和精度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种对称全卷积神经网络模型构建方法、眼底图像血管分割方法、装置、计算机设备及存储介质。

背景技术

眼底图像中视网膜血管的健康状况对于医生及早诊断糖尿病和心脑血管疾病及多种眼科疾病具有重要意义。但是由于视网膜血管自身结构的复杂性和特殊性，使得视网膜血管的特征提取在医学图像处理领域历来都是一项极具挑战的任务。依靠医疗人员手动分割视网膜血管，不仅工作量巨大，而且具有极大的主观性。不同的医疗人员，对同一图眼底图像中血管的分割结果可能存在差异。随着计算机技术的发展，视网膜血管的自动分割技术应运而生。

由于视网膜血管的特殊性，目前视网膜图像中的血管分割存在诸多难点：1)眼底图像中血管与背景之间的对比度低。由于眼底照相机采集设备和采集环境的影响如光照不均等因素，造成对比度低的情况；2)血管自身结构特征复杂。视网膜血管的弯曲程度、形状不一，呈树状分布，使得分割起来有一定的困难；3)目前大多数分割方法所得到的血管存在断点，导致分割精度不高。

发明内容

本发明实施例提供一种对称全卷积神经网络模型构建方法、眼底图像血管分割方法、装置、计算机设备及存储介质，可提高对称全卷积神经网络模型的泛化能力，同时提高眼底图像血管分割的准确度和精度。

第一方面，本发明实施例提供了一种对称全卷积神经网络模型构建方法，该方法包括：

对原始眼底图像进行分块处理；对分块处理后的原始眼底图像进行白化处理以得到原始眼底图像块；将原始眼底图像块输入到预设的对称全卷积神经网络中进行训练，以得到预设的对称全卷积神经网络模型，其中，预设的对称全卷积神经网络模型中的每一个隐藏层实现对本层输入的特征图进行处理，同时对本层之前所有输出的特征图进行处理，以实现输入为原始眼底图像块，输出为与原始眼底图像块对应的每个像素的眼底血管分割结果。

第二方面，本发明实施例提供了一种眼底图像血管分割方法，所述方法包括：

对目标眼底图像进行分块处理；对分块处理后的目标眼底图像进行白化处理以得到目标眼底图像块；将目标眼底图像块输入到如第一方面所述的方法构建的预设的对称全卷积神经网络模型中，以得到目标眼底图像块的每个像素的眼底血管分割结果；将目标眼底图像块的每个像素的眼底血管分割结果重新拼接以得到目标眼底图像的眼底血管分割结果。

第三方面，本发明实施例提供了一种装置，该眼底图像血管分割装置包括用于执行上述第一方面所述的方法对应的单元或者用于执行上述第二方面所述的方法对应的单元。

第四方面，本发明实施例提供了一种计算机设备，所述计算机设备包括存储器，以及与所述存储器相连的处理器；

所述存储器用于存储计算机程序，所述处理器用于运行所述存储器中存储的计算机程序，以执行上述第一方面所述的方法或者以执行上述第二方面所述的方法。

第五方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面所述的方法或者实现上述第二方面所述的方法。