申请/专利权人：杭州聚秀科技有限公司;浙大城市学院

申请日：2023-06-02

公开（公告）日：2023-09-08

公开（公告）号：CN116385725B

主分类号：G06V10/26

分类号：G06V10/26;G06V10/25;G06V10/774;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/048;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2023.09.08#授权;2023.07.21#实质审查的生效;2023.07.04#公开

摘要：本公开实施例涉及医学图像处理领域，提供一种眼底图像视盘视杯分割方法及装置、电子设备，方法包括：获取待分割的眼底图像；将眼底图像输入预先训练好的视杯视盘分割网络模型，分割眼底图像中的视杯区域和视盘区域得到分割结果；视杯视盘分割网络模型根据以下步骤训练得到：获取多个携带有标签的样本眼底图像，将多个样本眼底图像划分为图像训练集和图像测试集；利用图像训练集分别训练预设的U‑Net网络和Segformer网络得到基于UNet‑Segformer的眼底图像视盘视杯分割神经网络模型；利用图像测试集测试眼底图像视盘视杯分割神经网络模型得到训练好的视杯视盘分割网络模型。本公开实施例可提高视盘视杯的分割精度。

主权项：1.一种眼底图像视盘视杯分割方法，其特征在于，所述分割方法包括：获取待分割的眼底图像；将所述眼底图像输入预先训练好的视杯视盘分割网络模型，对所述眼底图像中的视杯区域和视盘区域进行分割，得到对应的分割结果；所述预先训练好的视杯视盘分割网络模型根据以下步骤训练得到：获取多个携带有标签的样本眼底图像，将多个所述样本眼底图像划分为图像训练集和图像测试集；利用所述图像训练集分别对预设的U-Net网络和Segformer网络进行训练，得到基于UNet-Segformer的眼底图像视盘视杯分割神经网络模型；利用所述图像测试集对所述基于UNet-Segformer的眼底图像视盘视杯分割神经网络模型进行测试，得到所述预先训练好的视杯视盘分割网络模型；所述U-Net网络包括编码器和解码器，其中：所述U-Net网络的编码器用于提取图像特征，包括4个下采样模块，每个所述下采样模块均包括2个卷积层和1个最大池化层，且除第一个下采样模块外，后一个下采样模块的通道数是其前一个下采样模块的通道数的两倍；所述U-Net网络的解码器包括4个子模块，每个所述子模块均包括一个上采样卷积层和2个卷积层，且每个所述上采样卷积层的输出特征分别与对应的所述下采样模块的输出特征进行通道拼接，以实现特征融合；所述Segformer网络包括编码器和解码器，其中：所述Segformer网络的编码器包括4个Transformer模块，每个所述Transformer模块均包括高效自注意力模块、混合前向模块和重叠分割子图合并模块；所述Segformer网络的解码器包括上采样MLP层和输出MLP层；所述高效自注意力模块用于传入H×W的图像，并基于下式（1）和下式（2）实现自注意力机制： （1） （2）其中，R表示缩放因子；N代表H×W，H代表图像的高度，W代表图像的宽度；K代表输入所述高效自注意力模块的特征序列；C代表通道数；表示将K转化为特征维度为（）×（C·R）的特征序列；表示对K进行Reshape操作后得到的特征序列；表示通过全连接层将的特征维度转换为C；表示对进行操作后得到的特征维度为（）×C的特征序列。

全文数据：

权利要求：

百度查询： 杭州聚秀科技有限公司;浙大城市学院 眼底图像视盘视杯分割方法及装置、电子设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD