申请/专利权人：福建工程学院;福建师范大学

申请日：2021-10-19

公开（公告）日：2024-04-16

公开（公告）号：CN113889237B

主分类号：G06T5/77

分类号：G06T5/77;G06T5/60;G06T7/00;G06T7/11;G06T3/4007;G16H30/40;G06V10/25;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明涉及一种基于GA‑Xnet的裸鼠皮窗血管分割图像断裂修复方法，包括以下步骤：步骤S1:获取裸鼠皮窗图像数据，并提取皮窗圆形感兴趣区和人工标注血管样本；步骤S2:对标注的裸鼠皮窗图像数据进行缩减，然后进行数据扩增，将扩增后的图像数据用于训练深度学习语义分割,并根据训练后深度学习语义分割对其他无标注的图像进行预测，然后将预测的图像扩大为原图像尺寸，得到粗分割后的图像；步骤S3:将粗分割后的图像与DRIVE数据集混合，作为训练数据集；步骤S4:对训练数据集进行扩增处理；步骤S5:将扩增的数据集输入到深度学习语义分割模型中进行训练，得到预测修复结果。本发明能够有效实现血管分割断裂的修复功能，同时对训练所使用的硬件要求低，可靠性高。

主权项：1.一种基于GA-Xnet的裸鼠皮窗血管分割图像断裂修复方法，其特征在于，包括以下步骤：步骤S1:获取裸鼠皮窗图像数据，并提取皮窗圆形感兴趣区和人工标注血管样本；步骤S2:对标注的裸鼠皮窗图像数据进行缩减，然后进行数据扩增，将扩增后的图像数据用于训练深度学习语义分割,并根据训练后深度学习语义分割对其他无标注的图像进行预测，然后将预测的图像扩大为原图像尺寸，得到粗分割后的图像；步骤S3:将粗分割后的图像与DRIVE数据集混合，作为训练数据集；通过迁移学习原理，得到两种混合比例为1:1最优，样本设置比例通过最小经验风险原理解释，弱边缘梯度的血管采用迁移学习进行训练，即使用眼底视网膜血管图像为源域Ds，Ds具备分块的特征数据Xs和对应标签Ys，针对DSWC模型的弱边缘梯度血管目标域Dt优化问题表示公式为： 其中θ*是优化参数，l是与θ相关的loss函数，P为对应的边缘概率分布函数，Y＝{y1,y2，……yn}是X＝{x1,x2，……xn}为在该任务T中的标签；对每一个实例xsi,ysi设置一个权重Ptxti,ytiPsxsi,ysi，其中PYt|Xt≈PYs|Xs，权重表达公式为： 在眼底视网膜血管图像中，其血管如大小特征均可迁移映射到DSWC模型中，其分布概率为100％，假设在DSWC模型中弱边缘梯度的小血管在全部血管信息中约为30％～50％左右，则判断混合样本比例设置为1:1较为合适；步骤S4:对训练数据集进行扩增处理；步骤S5:将扩增的数据集输入到深度学习语义分割模型中进行训练，得到预测修复结果。

全文数据：

权利要求：

百度查询： 福建工程学院;福建师范大学 基于GA-Xnet的裸鼠皮窗血管分割图像断裂修复方法

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