[发明专利]一种U型网络及角膜图像中神经纤维的分割方法

权利要求书

1.一种U型网络，其特征在于，包括对称跨层连接的编码器和解码器；

所述编码器共有四层，前三层的每层包含了2个卷积层和1个池化层，最后一层包含了2个卷积层，通道数逐层增加；

译码器也有四层，第一层包含1个上采样，后三层的每一层包含1个多尺度分离及融合模块、2个卷积层和1个上采样，通道数逐层递减；

编码器每层的输出端连接到与之对称的译码器输入端；译码器后三层的每层通过各自的多尺度分离及融合模块与前一层相连。

2.根据权利要求1所述的U型网络，其特征在于，所述多尺度分离及融合模块包括第一卷积、第二卷积、第三卷积、第四卷积、第五卷积、分离模块和融合模块；所述第一卷积和第二卷积为1×1卷积，第三卷积、第四卷积和第五卷积为9×9卷积；

特征图经第一卷积后被分离模块分割为4个子通道，第四个子通道直连融合模块输入端；第三个子通道经第五卷积后连接第四卷积输入端及融合模块输入端；第二个子通道经第四卷积后连接第三卷积输入端及融合模块输入端；第一个子通道经第三卷积连接融合模块输入端；所述融合模块将四个子通道输出的特征信息融合后经融合模块输出。

3.一种角膜图像中神经纤维的分割方法，其特征在于，所述方法包括如下步骤：采用训练好的权利要求1或2所述的U型网络对角膜图像进行分割，获取角膜神经纤维图像；

其中，训练所述U型网络所使用的损失函数为：

Loss＝α×L_Dice

式中：Loss为预设计的损失函数；α＝1+mr，l_x表示金标准图像x中的角膜神经纤维总长度，l_y表示二值分割图像y中的角膜神经纤维总长度，二值分割图像y是对U型网络输出图像进行阈值法处理后得到的；N表示每张图的像素总个数，g_i表示金标准图像中第i个像素点的像素值；p_i表示二值分割图像y中第i个像素点的像素值。

4.根据权利要求3所述的角膜图像中神经纤维的分割方法，其特征在于，所述方法还包括：

对待分割的角膜图像进行数据增强处理；

所述数据增强处理包括水平或垂直翻转、仿射变换和加性高斯噪声处理。

5.根据权利要求3所述的角膜图像中神经纤维的分割方法，其特征在于，所述阈值法所采用的阈值为0.5。

6.根据权利要求3所述的角膜图像中神经纤维的分割方法，其特征在于，

在U型网络的训练过程中，采用初始学习率为0.01，动量为0.9的随机梯度下降算法对U型网络进行优化；批处理大小为2，迭代数量为80，每当一个迭代结束，采用验证集对U型网络进行性能测试。