申请/专利权人：齐鲁工业大学(山东省科学院);山东省人工智能研究院

申请日：2023-12-14

公开（公告）日：2024-01-16

公开（公告）号：CN117409030A

主分类号：G06T7/136

分类号：G06T7/136;G06T7/00;G06N3/084;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明涉及计算机视觉与医学图像处理领域，尤其涉及一种基于动态管状卷积的图像血管分割方法及其系统，包括以下步骤：在数据集中选取n张眼底视网膜投影图像，将数据集按比例划分，对划分后得到的训练集进行数据集增强操作得到训练数据集；设置网络结构，编码器采用残差动态管状卷积编码器模块，多尺度特征融合模块采用管状卷积空洞卷积融合模块；计算最终概率图，将像素点与阈值比较，保存判断后的分割结果图；进行网络训练，保存评价最优指标的参数；读取保存的最优指标的参数，将其加载到网络中对图像进行分割，并保存最终分割结果。本发明的网络能够更好地捕捉复杂多变的血管结构，分割复杂背景下细微的血管末梢。

主权项：1.一种基于动态管状卷积的OCTA图像血管分割方法，其特征在于，包括以下步骤：S1.在公开的OCTA-500数据集中选取n张眼底视网膜OCTA投影图像，得到数据集；S2.将从步骤S1中得到的数据集按比例进行划分，划分为训练集、验证集和测试集，然后对训练集进行数据集增强操作，得到增强后的训练数据集D;S3.通过设置编码器、多尺度特征融合模块和解码器进行网络结构的设置，编码器采用残差动态管状卷积编码器模块RTC,多尺度特征融合模块采用管状卷积空洞卷积融合模块TAF;S4.将从步骤S3获得的特征图输入到Sigmoid函数计算得到最终概率图，设定阈值，将像素坐标的像素点与阈值进行比较，判断像素点的所属来源，并保存判断后的分割结果图，再将分割结果图与其对应的标签输入到损失函数中计算凸扩张损失;S5.进行网络结构训练，通过反向传播计算损失函数对每个参数的梯度，使用优化器对步骤S3中网络结构的参数进行更新，完成对参数的调整和优化，保存训练过程中评价最优指标的参数；S6.读取步骤S5中保存的最优指标的参数，将其加载到网络结构对OCTA图像进行分割，并保存最终分割结果。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院);山东省人工智能研究院 基于动态管状卷积的OCTA图像血管分割方法及其系统

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