[发明专利]一种语义和多尺度融合网络的眼底图像血管分割方法

说明书

本发明公开一种语义和多尺度融合网络的眼底图像血管的分割方法，属于医学图像处理和计算机视觉领域。该方法设计了语义融合模块和多尺度融合模块，并利用这两种模块构建了结构独特的语义和多尺度融合网络，用于分割视网膜图像的眼底血管。语义融合模块通过更好的融合高维语义信息来提升毛细血管的分割精度，多尺度融合模块利用多尺度信息的融合来解决血管尺度变化大的问题。实验证明本发明的方法能有效提高视网膜眼底血管分割的精度。此外，本发明提出的网络结构清晰，容易构建，易于实现。

技术领域

本发明属于医学图像处理和计算机视觉领域，涉及利用深度学习神经网络框架，对眼底图像中的血管进行分割，具体涉及到一种语义和多尺度融合网络的眼底图像血管的分割方法。

背景技术

视网膜疾病，如糖尿病性视网膜病变和青光眼，是导致失明的主要原因，也是全世界公共卫生关注的重要问题。由于生活方式的改变、人口老龄化等风险因素，视网膜疾病的患者数量逐渐增多。这推动了许多研究致力于开发计算机辅助诊断(CAD)系统自动诊断视网膜病变。视网膜血管的分割是建立此类CAD系统的基础步骤，对眼底图像上视网膜疾病的准确定量至关重要。虽然已经有了大量的工作致力于解决视网膜血管的分割问题，但对整个血管树的准确分割仍然具有挑战性。首先视网膜血管直径大小不一。小血管的直径只有一个或几个像素，而大血管的直径可以宽几十倍。尺度的变化增加了准确分割血管的难度。其次，由于不均匀的光照条件和病态的影响，毛细血管在分割的过程中很容易与主血管树断开。

随着深度学习技术在图像处理中的广泛应用，深度神经网络在图像处理和计算机视觉领域带来了革命性的影响。虽然深度神经网络在血管分割问题上可以比传统方法表现得更好，但是它们的体系结构并不是专门为解决视网膜血管分割问题而设计的。因此又有许多研究提出了用于视网膜血管分割的深度神经网络，例如有研究针对视网膜血管分割问题搭建了一个深度卷积神经网络(Wu,Yicheng,et al.Multiscale network followednetwork model for retinal vessel segmentation.International Conference onMedical Image Computing and Computer-Assisted Intervention.Springer,Cham,2018.)，利用了多尺度信息促进了视网膜血管分割的精度；Ronneberger等人(RonnebergerO,Fischer P,Brox T.U-net:Convolutional networks for biomedical imagesegmentation[C]//International Conference on Medical image computing andcomputer-assisted intervention.Springer,Cham,2015:234-241.)设计了一种基于编码器-解码器的网络，该网络广泛应用于生物医学图像的许多分割任务，包括视网膜血管分割。虽然已经有很多工作致力于用深层神经网络改善视网膜血管分割的结果，但是其性能仍不令人满意，因此需要做更多的工作来进一步改善这一任务。

为了解决毛细血管较难分割以及血管尺度变化大的问题，本发明设计了一个语义融和多尺度融合的网络，该网络通过独特设计的语义融合模块以及多尺度融合模块来解决视网膜血管分割的问题。语义融合模块通过更好的融合高维语义信息来提升毛细血管的分割精度，多尺度融合模块通过挖掘多尺度信息来解决血管尺度变化大的问题。通过这两个模块的共同作用，有效的提升血管分割的精度。

发明内容

本发明旨在克服现有技术的不足，提供了一种语义和多尺度融合网络的眼底图像血管的分割方法。该方法设计了语义融合模块和多尺度融合模块，从而构建语义和多尺度融合网络，用于高精度的视网膜血管分割。语义融合模块通过更好的融合高维语义信息来提升毛细血管的分割精度，多尺度融合模块利用多尺度信息的融合来解决血管尺度变化大的问题。通过这两个模块的共同作用，有效的提升血管分割的精度。