[发明专利]一种基于生成对抗网络的带出血病症的眼底血管图像生成方法

权利要求书

1.一种基于生成对抗网络的带出血病症的眼底血管图像生成方法，其特征在于，包括如下步骤：

步骤1：利用图像分割技术对真实眼底图像进行图像分割，得到真实血管树和出血块；

步骤2：把真实血管树输入到WGAN中生成血管树图像，把真实出血块输入到CGAN中生成出血块图像；

步骤3：把生成的血管树和出血块输入到改进的CycleGAN中，得到完整带出血病症的眼底血管图像。

2.根据权利要求1所述的基于生成对抗网络的带出血病症的眼底血管图像生成方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1：对真实眼底图像进行预处理，预处理包括去除噪声和等比例缩放及中心裁剪；

步骤1.2：利用图像分割技术对处理过的图像进行分割，得到真实血管树和出血块。图像分割可采用U-net模型，但不限于此。

根据权利要求1所述的基于生成对抗网络的带出血病症的眼底血管图像生成方法，其特征在于，所述步骤2包括如下步骤：

步骤2.1：把真实血管树输入到WGAN中，待网络稳定，得到生成血管树图像；

步骤2.2：把真实出血块和所要生成出血块的数量一同输入到CGAN中，生成符合条件的出血块图像。

根据权利要求1所述的基于生成对抗网络的带出血病症的眼底血管图像生成方法，其特征在于，所述步骤3所述改进CycleGAN为：利用Wassertein距离代替原损失函数，用谱正则化技术在全局实现Lipschitz限制，并加入同一映射损失和感知损失；在生成器的网络结构中加入U-net的跳级结构，并在判别器网络中引入扩张卷积和多尺度判别器。

所述步骤3包括如下步骤：

步骤3.1：改进CycleGAN的损失函数，应用Wassertein距离代替原始损失函数，解决了梯度消失问题。改进后的目标函数需要满足Lipschitz约束，故本发明通过控制权重矩阵的谱范数实现Lipschitz约束。加入同一映射损失衡量图像转变后与原图像的差异，使模型对原图做尽量小的改动。并引入感知损失用于避免生成图像出现模糊和细节损失。综上，改进的CycleGAN的损失函数：

式(1)中，L′(G,F,D_X,D_Y)为引入Wassertein的损失函数，权重矩阵谱范数的正则项，λ_imlL_iml(F_X→Y,G_Y→X)为同一映射损失，其中λ_iml表示同一映射损失的调节权重λ_plL_pl(F_X→Y,G_Y→X)为感知损失，其中λ_pl表示感知损失的调节权重。

步骤3.2：在生成器的网络结构中加入U-net的跳级结构，用以保留不同分辨率下图像中像素级的图像细节，在判别器网络中引入扩张卷积和多尺度判别器。

步骤3.3：把生成的血管树和出血块输入到改进的CycleGAN中，得到完整带出血病症的眼底血管图像。