[发明专利]一种语义和多尺度融合网络的眼底图像血管分割方法

权利要求书

1.一种语义和多尺度融合网络的眼底图像血管的分割方法，其特征在于，包括下列步骤：

1)准备初始数据：对视网膜眼底数据进行处理，生成用来训练和测试的眼底图像小块和对应眼底图像血管分割标签的图像小块；

2)构建语义和多尺度融合网络：构建语义和多尺度融合网络，首先构建融合语义信息的基于编码器-解码器结构的子网络，然后连接一个多尺度融合模块；

3)训练语义和多尺度融合网络：基于步骤(2)得到的语义和多尺度融合网络进行训练。

2.根据权利要求1所述的一种语义和多尺度融合网络的眼底图像血管的分割方法，其特征在于，步骤(2)中构建语义和多尺度融合网络，具体包括以下步骤：

2-1)构建的语义和多尺度融合网络的输入图像为图像小块，网络中的编码器部分由五个子编码器组成，每个子编码器包含两个堆叠的卷积块；每个卷积块由卷积层、批量归一化层和整流线性单元层组成；子编码器通过最大池化层串联，最大池化层将特征映射大小减半，以产生不同级别的层次特征；

2-2)构建的语义和多尺度融合网络中的解码器部分由四个子解码器，即四个语义融合模块组成；每个语义融合模块包含一个横向连接，用于利用空间信息，以及多个跳跃连接，用于融合所有的高维语义信息；连接节点横向连接到同一层的子编码器，同时通过跳跃连接方式连接到下一级的子解码器和更高级的其余子编码器；

2-3)连接在基于编码器-解码器结构的子网络后的多尺度融合模块包含多个并行分支，以学习不同尺度的信息，将多尺度的信息进行融合生成更强大的血管特征；顶部的分支只通过一个卷积核大小为1×1的卷积层将通道数压缩到10；其他分支先通过一个卷积核大小为1×1的卷积层，再通过一个膨胀卷积层将通道数压缩到10，不同分支具有不同的膨胀率；最后将这些分支的输出与并行分支的输入相加。

3.根据权利要求2所述的一种语义和多尺度融合网络的眼底图像血管的分割方法，其特征在于，步骤2-2)，为了匹配特征图尺寸和通道数，跳跃连接采用线性插值方式调节尺寸，通过卷积核大小为1×1的卷积层调节通道数；然后将级联后的特征图通过卷积核大小为1×1卷积层进行通道压缩，再通过两个堆叠的卷积核大小为3×3的卷积层学习更有代表性的特征。