[发明专利]一种针对于视网膜图像的血管分割方法、装置及设备

权利要求书

1.一种针对于视网膜图像的血管分割方法，其特征在于，所述方法包括：

获取目标视网膜图像；

将所述目标视网膜图像输入至全卷积网络模型中，所述全卷积网络模型的解码网络中包括密集连接卷积网络，所述全卷积网络模型预先已基于历史视网膜图像以及所述历史视网膜图像已知的血管分割图像进行了训练；

根据所述全卷积网络模型的输出结果确定所述目标视网膜图像的血管分割图像。

2.根据权利要求1所述方法，其特征在于，所述密集连接卷积网络包括卷积网络单元，所述卷积网络单元包括多个并联的不同网络分支，所述网络分支包括最大池化层和/或卷积层，所述卷积网络单元的输出结果基于所述多个网络分支的输出结果得到。

3.根据权利要求1所述的方法，其特征在于，所述密集连接卷积网络包括第一卷积网络单元、第二卷积网络单元，所述第一卷积网络单元的输入是所述密集连接卷积网络的输入，所述第二卷积网络单元的输入包括所述第一卷积网络单元的输出与所述密集连接卷积网络的输入。

4.根据权利要求1所述的方法，其特征在于，所述获取目标视网膜图像，包括：

获取原始视网膜图像，所述原始视网膜图像上呈现有视网膜血管；

从所述原始视网膜图像中分离出绿色通道的图像，得到通道分离图像；

基于所述通道分离图像确定所述目标视网膜图像。

5.根据权利要求4所述的方法，其特征在于，所述基于所述通道分离图像确定所述目标视网膜图像，包括：

利用中值滤波算法计算出所述通道分离图像中各个像素点的像素值，得到第一图像；

将所述第一图像确定为所述目标视网膜图像。

6.根据权利要求4所述的方法，其特征在于，所述基于所述通道分离图像确定所述目标视网膜图像，包括：

利用直方图均衡化算法将所述通道分离图像中像素点的灰度值变化范围统一至预设范围，得到第二图像；

将所述第二图像确定为所述目标视网膜图像。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述历史视网膜图像、所述全卷积网络模型基于所述历史视网膜图像的输出结果以及所述历史视网膜图像已知的血管分割图像，计算所述全卷积网络模型对应的损失函数的函数值；

若所述函数值处于预设范围，则确定所述全卷积网络模型完成训练。

8.一种针对于视网膜图像的血管分割装置，其特征在于，所述装置包括：

获取模块，用于获取目标视网膜图像；

输入模块，用于将所述目标视网膜图像输入至全卷积网络模型中，所述全卷积网络模型的解码网络中包括密集连接卷积网络，所述全卷积网络模型预先已基于历史视网膜图像以及所述历史视网膜图像已知的血管分割图像进行了训练；

确定模块，用于根据所述全卷积网络模型的输出结果确定所述目标视网膜图像的血管分割图像。

9.一种针对于视网膜图像的血管分割设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1至7任一项所述的一种针对于视网膜图像的血管分割方法。

10.一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行权利要求1至7任一项所述的针对于视网膜图像的血管分割方法。