[发明专利]视网膜OCT图像中的脉络膜新生血管CNV分割方法

权利要求书

1.一种视网膜OCT图像中的CNV分割方法，其特征在于，所述方法包括：

将视网膜OCT图像输入至多尺度信息融合网络MF-Net，通过所述多尺度信息融合网络对所述视网膜OCT图像进行分割；所述多尺度信息融合网络包括编解码器网络、多尺度自适应感知变形模块MAD和语义细节聚合模块SDA，所述编解码器网络包括编码器和解码器，所述编码器用于提取所述视网膜OCT图像中的语义信息和全局特征，所述MAD设置在所述编码器的顶部用于聚合上下文信息，所述SDA连接所述编码器和所述解码器，用于融合多层次的语义信息，所述解码器用于恢复空间分辨率，结合伪数据增强策略，利用未标记数据，通过所述半监督尺度信息融合网络SemiMF-Net网络结构，进一步提高了CNV分割精度。

2.根据权利要求1所述的方法，其特征在于，所述SDA用于提取用于分割的语义信息和详细信息，对提取到的语义信息和详细信息进行融合，并将融合结果输出至最外层解码器。

3.根据权利要求2所述的方法，其特征在于，每个SDA的输出为：

其中S^k为第k个SDA模块的输出，Conv表示卷积，F¹和F²分别表示解码器3和SDA 1的输出特征映射，@₂为速率为2的上采样操作，表示矩阵对应元素相乘，E^3-k表示第3-k个编码器的输出特征映射，表示矩阵对应元素相加，D^3-k表示第3-k个解码器的输出特征映射。

4.根据权利要求1所述方法，其特征在于，利用未标记数据进一步提高了CNV分割精度，结合伪数据增强策略，提出了一种半监督版本的SemiMF-Net网络结构；

提出的SemiMF-Net半监督网络结构主要包括三个步骤:1)利用带标签数据对MF-Net进行预训练，对未带标签的数据进行分割，将这些分割结果作为未带标签数据的伪标签；2)将带有伪标签的未标注数据与标注数据混合，基于目标函数L′_Pseudo+L_Real进行半监督地训练MF-Net；3)最后，使用SemiMF-Net半监督网络分割视网膜OCT图像中CNV。