[发明专利]一种视网膜图像分割方法及装置

说明书

本说明书一个或多个实施例提供一种视网膜图像分割方法及装置，包括：将视网膜图像输入编码器进行处理，得到编码器处理后的第一特征图；利用固定卷积核对第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图；基于空间金字塔池和条带池对第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图；对第二特征图和第三特征图进行融合处理，得到第四特征图；将第四特征图输入解码器进行处理，得到解码器处理后的第五特征图；基于第五特征图，按照预设的阈值，判定第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。本方法能够实现视网膜血管分割，且图像分割精度较高。

技术领域

本说明书一个或多个实施例涉及图像处理技术领域，尤其涉及一种视网膜图像分割方法及装置。

背景技术

借助视网膜图像进行视网膜检查是临床疾病检查的重要手段。早期的视网膜图像分割方法，一般借助于总结出的经验，人工提取特征对图像进行分割，操作繁琐，精度不高。基于深度学习算法实现的视网膜图像分割方法能够提高分割准确性，但是在不断的池化过程中会丢失大量信息，图像分割精度有待提高。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种视网膜图像分割方法及装置，以解决视网膜图像分割精度不高的问题。

基于上述目的，本说明书一个或多个实施例提供了一种视网膜图像分割方法，包括：

将视网膜图像输入编码器进行处理，得到所述编码器处理后的第一特征图；

利用固定卷积核对所述第一特征图进行特征提取，得到能够表示视网膜血管局部线性特征的第二特征图；

基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图；

对所述第二特征图和所述第三特征图进行融合处理，得到第四特征图；

将所述第四特征图输入解码器进行处理，得到解码器处理后的第五特征图；

基于所述第五特征图，按照预设的阈值，判定所述第五特征图中每个像素是否为视网膜血管，得到分割后的视网膜图像。

可选的，所述利用固定卷积核对所述第一特征图进行特征提取，包括：利用预设的六个3×3的固定卷积核对所述第一特征图进行特征提取。

可选的，所述六个3×3的固定卷积核为：

。

可选的，基于空间金字塔池和条带池对所述第一特征图进行特征提取，得到能够表示视网膜血管宽度变化信息和远程上下文信息的第三特征图，包括：

基于至少两个空间金字塔池和至少两个条带池分别对所述第一特征图进行池化操作，得到池化操作后的至少四个特征图；

利用1×1卷积将所述至少四个特征图的通道数转换为1，得到至少四个通道数为1的特征图；

对所述至少四个通道数为1的特征图进行拼接处理，得到所述第三特征图。

可选的，所述基于空间金字塔池和条带池对所述第一特征图进行特征提取，包括：

利用三个方形核对所述第一特征图进行特征提取，以获得视网膜血管的宽度变化信息；

利用两个条形核对所述第一特征图进行特征提取，以获得视网膜血管的远程上下文信息。

可选的，所述三个方形核的大小分别为2×2、3×3、4×4。

本说明书实施例还提供一种视网膜图像分割装置，包括：

编码器模块，用于将视网膜图像输入编码器进行处理，得到所述编码器处理后的第一特征图；