[发明专利]舌下微循环图像分割方法和装置、电子设备、存储介质

说明书

本公开实施例所提供的舌下微循环图像分割方法和装置、电子设备、存储介质，属于医学图像处理技术领域。该舌下微循环图像分割方法，包括：获取舌下微循环图像的原始图像数据；对所述原始图像数据进行标注，得到具有图像标签的中间图像集；将所述中间图像集划分为训练集和测试集；将所述测试集输入到预设的图像分割神经网络中进行测试；所述图像分割神经网络通过所述训练集训练得到；所述图像分割神经网络包括残差模块和注意力机制模块；根据所述残差模块和所述注意力机制模块对所述测试集进行分割，得到所述舌下微循环图像的目标图像，可以保证图像识别的准确性。

技术领域

本公开涉及医学图像处理技术领域，尤其涉及舌下微循环图像分割方法和装置、电子设备、存储介质。

背景技术

医学图像分割是医学图像处理的重要环节，图像中的目标区域的准确分割能为医生进行疾病诊断提供参考。针对微循环血管的分割，由于图像本身的复杂性，使得传统方法包括阈值法、区域生长法、水平集法都能很难取得理想的分割效果。近年来，包括卷积神经网络在内的深度学习技术大幅度提升了图像的分割精度。

卷积神经网络是一种机器学习模型，在图像处理领域有广泛的应用，该算法经常用于医学图像分割领域，取得了很好的效果。但是在实际对于舌下微循环血管而言，血管边缘，毛细血管的识别，背景区域的纯净度都存在较大问题，需要人工修复分割的错误，需要耗费大量的时间且需要操作者专业的知识，这为医学图像分割技术的临床应用带来了很高的成本。

通常，深度学习方法很难达到分割的精度要求，血管边缘的精确识别，毛细血管的误识别，血管交叉区域的识别，虚焦的血管的去除都是舌下血管分割遇到和要解决的问题。

发明内容

本公开的主要目的在于提出一种舌下微循环图像分割方法和装置、存储介质，可以保证图像识别的准确性。

实现上述目的，本公开的第一方面提出了一种舌下微循环图像分割方法，包括：

获取舌下微循环图像的原始图像数据；

对所述原始图像数据进行标注，得到具有图像标签的中间图像集；将所述中间图像集划分为训练集和测试集；

将所述测试集输入到预设的图像分割神经网络中进行测试；所述图像分割神经网络通过所述训练集训练得到；所述图像分割神经网络包括残差模块和注意力机制模块；

根据所述残差模块和所述注意力机制模块对所述测试集进行分割，得到所述舌下微循环图像的目标图像。

优选地，通过侧流暗场成像采集所述舌下微循环图像，获得所述原始图像数据；其中，所述原始图像数据为单通道灰度图像。

优选地，所述原始图像数据包括血管区域，所述对所述原始图像数据进行标注，得到具有图像标签的中间图像集，包括：

对所述血管区域进行标注，得到所述中间图像集。

优选地，所述图像分割神经网络为U-net网络框架，所述注意力机制模块为空间金字塔池化的卷积注意力模块模块。

优选地，所述根据所述残差模块和所述注意力机制模块对所述测试集进行分割，得到舌下微循环血管的目标图像，包括：

在所述图像分割神经网络的编码层和解码层分别加入所述残差模块，得到网络深度增加的图像分割神经网络；

通过所述网络深度增加的图像分割神经网络和所述注意力机制模块对所述测试集进行分割，得到所述目标图像；

其中，所述残差模块如下公式表示：

为输出函数，F₂和F₁为权重函数，为激活函数，x为输入数据，y为输出。