[发明专利]血管、眼底图像的分割方法、装置、设备及可读存储介质在审

专利信息
申请号: 201910690945.3 申请日: 2019-07-29
公开(公告)号: CN110443813A 公开(公告)日: 2019-11-12
发明(设计)人: 任文婷;余双;马锴;郑冶枫 申请(专利权)人: 腾讯医疗健康(深圳)有限公司
主分类号: G06T7/11 分类号: G06T7/11;G06T9/00;G06T3/40;G06K9/46;G06K9/62
代理公司: 深圳翼盛智成知识产权事务所(普通合伙) 44300 代理人: 黄威
地址: 518052 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 眼底图像 高层特征 血管图像 分割 字典 可读存储介质 目标特征信息 特征信息 血管 注意力 计算机视觉技术 人工智能 全局信息 特征提取 信息对应 血管分割 字典学习 预设 融合 申请
【权利要求书】:

1.一种血管图像的分割方法,其特征在于,包括:

获取待分割的血管图像;

对所述血管图像进行特征提取,得到高层特征信息;

基于预设字典对高层特征信息进行字典学习,得到高层特征信息对应的字典表示;

根据所述字典表示对所述高层特征信息的多个通道进行选择,得到目标特征信息;

将所述目标特征信息、与所述高层特征信息进行融合,得到通道注意力特征信息;

根据所述通道注意力特征信息对所述血管图像中的血管进行分割,得到血管分割结果。

2.如权利要求1所述的血管图像的分割方法,其特征在于,根据所述字典表示对所述高层特征信息的多个通道进行选择,得到目标特征信息,包括:

获取所述字典表示与所述高层特征信息之间的残差信息;

对所述残差信息进行编码,得到高层特征信息的残差编码信息;

根据所述残差编码信息,对所述高层特征信息的多个通道进行选择,得到目标特征信息。

3.如权利要求2所述的血管图像的分割方法,其特征在于,对所述残差信息进行编码,得到高层特征信息的残差编码信息,包括:

根据平滑因子对所述残差编码信息进行正则化操作,得到残差信息的选择权重;

根据所述残差信息的选择权重对所述残差信息进行加权处理,得到高层特征信息的残差编码。

4.如权利要求2所述的血管图像的分割方法,其特征在于,根据所述残差编码信息,对所述高层特征信息的多个通道进行选择,得到目标特征信息,包括:

基于激活函数对所述残差编码信息进行激活处理;

根据激活后残差编码信息,对所述高层特征信息的多个通道进行选择,得到目标特征信息。

5.如权利要求1所述的血管图像的分割方法,其特征在于,根据所述通道注意力特征信息对所述血管图像中的血管进行分割,得到血管分割结果,包括:

根据所述通道注意力特征信息对所述血管图像中的血管进行分割,得到血管分割图像;

根据所述通道注意力特征信息对所述血管图像中的血管进行分类,得到血管分类图像。

6.如权利要求1所述的血管图像的分割方法,其特征在于,获取待分割的血管图像,包括:

将原始血管图像划分成多个血管图像块;

将所述血管图像块作为待分割的血管图像;

所述方法还包括:对所述血管图像块的血管分割结果进行聚合,得到原始血管图像的血管分割结果。

7.如权利要求1所述的血管图像的分割方法,其特征在于,根据所述通道注意力特征信息对所述血管图像中的血管进行分割,包括:

采用训练后生成对抗网络中的血管分割网络,根据所述通道注意力特征信息对所述血管图像中的血管进行分割。

8.如权利要求7所述的血管图像的分割方法,其特征在于,所述方法还包括:

获取目标域血管图像、以及已标注血管信息的源域血管图像;

采用预设生成对抗网络中的血管分割网络,分别对目标域血管图像、源域血管图像进行特征提取,得到源域血管图像的源域高层特征信息、源域中层特征信息,以及目标域血管图像的目标域高层特征信息、目标域中层特征信息;

基于血管分割网络和所述源域高层特征信息,对所述源域血管图像进行血管分割,得到血管分割预测结果;

采用预设生成对抗网络中的判别网络,对源域中层特征信息与目标域中层特征信息的来源域进行判别,得到判别预测结果;

根据所述血管分割预测结果和所述判别预测结果,对生成对抗网络进行训练,得到训练后生成对抗网络。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯医疗健康(深圳)有限公司,未经腾讯医疗健康(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910690945.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top