[发明专利]基于空洞卷积和语义融合的眼底血管图像分割方法与系统

说明书

本发明提出一种基于空洞卷积和语义融合的眼底血管图像分割方法与系统，包括：获取眼底血管图像数据集，从眼底血管图像数据集中获取眼底血管图像并进行预处理；基于U‑Net模型进行改进以得到改进神经网络；在改进神经网络的跳跃连接部分设计一个多层多尺度空洞卷积结构；在改进神经网络的解码部分设计一个语义融合结构；执行连续三次卷积操作以得到待分割图像，对待分割图像中的像素进行二分类判别，以对眼底血管图像进行分割，并得到一个改进的神经网络模型；根据第一损失函数，对改进的神经网络模型进行辅助训练与测试。本发明能准确有效地对眼底血管图像进行分割，辅助医生的临床诊断工作进而实现高质量的医疗服务。

技术领域

本发明涉及计算机图像技术领域，特别涉及一种基于空洞卷积和语义融合的眼底血管图像分割方法与系统。

背景技术

对人体而言，眼睛是全身唯一能在直视下窥见血管和神经的器官，并且视网膜的循环与脑部及冠脉循环有着相同的解剖生理特征。因此，眼底已成为观察心脑血管、眼球等相关疾病非常重要的窗口。然而，由于人工诊断耗时耗力且效率低，因此借助计算机辅助诊断（Computer-aided Diagnosis，CAD）是提高医生工作效率与诊断精度的重要手段。精细、准确的眼底血管图像分割能辅助医生更好地观察上述疾病，进而做出正确的诊断决策。因此，眼底血管图像分割技术具有较强的临床应用价值，能切实提高医疗服务水平，推动医工深度融合。

现有眼底血管图像分割方法大多基于U-Net网络，取得了较好的分割性能，有力地推动了基于CAD的智能诊断发展，但现有工作存在如下弊端：（1）图像特征受限于有限感受野，眼底血管图像中局部特征提取不充分；（2）由于仅采用卷积操作，眼底血管图像中上下文信息偏少，导致不能准确、完整地分割目标血管；（3）解码器中连续上采样不可避免地丢失了一些血管细节信息。为应对上述问题，应尽可能保留图像中血管细节，从而向医生提供直观的临床诊断信息。

基于此，有必要设计出一种先进高效的眼底血管图像分割方法，以实现兼顾全局上下文信息和来自不同感受野的局部特征，同时尽可能减少细节信息丢失，最终提升眼底血管分割精度，向医生提供更为准确完整的分割结果。

发明内容

鉴于上述状况，本发明的主要目的是为了提出一种基于空洞卷积和语义融合的眼底血管图像分割方法与系统，以解决上述技术问题。

本发明实施例提出一种基于空洞卷积和语义融合的眼底血管图像分割方法，其中，所述方法包括如下步骤：

步骤一，获取眼底血管图像数据集，从所述眼底血管图像数据集中获取眼底血管图像，并对所述眼底血管图像进行预处理；

步骤二，基于U-Net模型进行改进设计，以得到改进神经网络；

步骤三，在进行改进设计时，在所述改进神经网络的跳跃连接部分设计一个多层多尺度空洞卷积结构，所述多层多尺度空洞卷积结构用于跨越所述改进神经网络的编码部分与解码部分，以保护眼底血管中的细节信息；

步骤四，在所述改进神经网络的解码部分设计一个语义融合结构，所述语义融合结构用于对解码后的多尺度图像特征进行拼接，并构建成对挤压激励模块，根据所述挤压激励模块对拼接后的多尺度图像特征进行关键信息筛选以最终得到多尺度图像特征融合结果；

步骤五，对所述多尺度图像特征融合结果执行连续三次卷积操作以得到待分割图像，对所述待分割图像中的像素进行二分类判别，以对眼底血管图像进行分割，并得到一个改进的神经网络模型；

步骤六，根据第一损失函数，对所述改进的神经网络模型进行辅助训练，以对训练后的神经网络模型进行测试，从而最终完成眼底血管图像的分割与验证；

所述第一损失函数的表达式为：