[发明专利]视网膜血管分割方法、装置及模型构建方法

说明书

本申请涉及一种视网膜血管分割方法、装置、计算机设备、存储介质和模型构建方法，通过将待分割血管图像输入至对称网络；对称网络包括编码网络和解码网络，通过编码网络中的各个密集连接块对待分割血管图像进行特征提取，得到对应的血管特征图，并输入至解码网络；通过解码网络中的各卷积模块对编码网络中的各个密集连接块输出的血管特征图进行特征提取，得到对应的血管特征图；将解码网络中的各卷积模块输出的血管特征图与编码网络中的各个密集连接块输出的血管特征图进行融合，得到融合的血管特征图；通过对融合的血管特征图进行卷积处理，得到血管分割图。本申请能够高效地捕获血管的细粒度细节，提升血管精细部位分割结果准确性。

技术领域

本申请涉及图像分割技术领域，特别是涉及一种视网膜血管分割方法、装置、计算机设备、存储介质和模型构建方法。

背景技术

在视网膜眼底图像中，血管呈树状网络结构布满整个眼底图像，是眼底图像中可观察的最重要的结构。视网膜眼底图像是判断眼部疾病的重要依据，同时对糖尿病、高血压、动脉硬化等疾病的诊断具有重要作用。手动分割视网膜血管是一项非常繁琐的任务，并需要经验和技巧。基于计算机自动提取分割视网膜血管的辅助诊断系统，在医学诊断中有着重要的应用价值。

在传统技术中，采用基于U型网络或类似U型网络的方法实现眼底图像血管的端到端的分割，且这些方法中的跳转连接是将编码模块的特征图与解码模块的特征图直接连接，从而导致语义差别较大的特征图相组合。

然而，传统技术中在血管末梢等血管精细部位的分割结果仍不够准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够高效地捕获血管的细粒度细节，提升血管精细部位分割结果准确性的视网膜血管分割方法、装置、计算机设备、存储介质和模型构建方法。

一种视网膜血管分割方法，所述方法包括：将待分割血管图像输入至对称网络；所述对称网络包括编码网络和解码网络，所述编码网络与所述解码网络连接成对称结构，所述编码网络包括若干个依次连接的密集连接块；通过所述编码网络中的各个密集连接块对所述待分割血管图像进行特征提取，得到对应的血管特征图，并输入至所述解码网络；所述解码网络包括若干层次，各个所述层次包括若干个依次连接的卷积模块，且除第一个之外的其它卷积模块与之前的每个卷积模块均具有跳转连接；通过所述解码网络中的各卷积模块对所述编码网络中的各个密集连接块输出的血管特征图进行特征提取，得到对应的血管特征图；通过各所述卷积模块之间的跳转连接关系，将所述解码网络中的各卷积模块输出的血管特征图与所述编码网络中的各个密集连接块输出的血管特征图进行融合，得到融合的血管特征图；通过对所述融合的血管特征图进行卷积处理，得到血管分割图。

一种血管分割模型的构建方法，所述方法包括：构建训练样本集；所述训练样本集包括若干样本血管图像，所述样本血管图像具有对应的血管分割标签；将所述样本血管图像以及所述血管分割标签输入至搭建的血管分割模型，其中，所述血管分割模型采用对称网络，所述对称网络包括编码网络和解码网络，所述编码网络与所述解码网络连接成对称结构，所述编码网络包括若干个依次连接的密集连接块；通过所述编码网络中的各个密集连接块对所述样本血管图像进行特征提取，得到对应的样本血管特征图，并输入至所述解码网络；所述解码网络包括若干个层次，各个所述层次包括若干个依次连接的卷积模块，且除第一个之外的其它卷积模块与之前的每个卷积模块均具有跳转连接；通过所述解码网络中的各卷积模块对所述编码网络中的各个密集连接块输出的样本血管特征图进行特征提取，得到对应的样本血管特征图；将所述解码网络中的各卷积模块输出的样本血管特征图与所述编码网络中的各个密集连接块输出的样本血管特征图进行融合，得到融合的样本血管特征图；通过对所述融合的样本血管特征图进行卷积处理，得到预测概率图；根据所述预测概率图以及所述血管分割标签计算模型损失值，并反向传播优化所述血管分割模型的参数。

一种视网膜血管分割装置，所述装置包括：