[发明专利]一种面向高精度血管分割模型训练应用的粗细血管分类方法

权利要求书

1.一种面向高精度血管分割模型训练应用的粗细血管分类方法，其特征在于包括以下步骤：

步骤1：从眼底血管标签中提取血管骨架；

步骤2：在每个血管骨架像素所在的窗口内，计算血管骨架与血管面积的比值；

步骤3：使用阈值将血管骨架分为粗血管骨架与细血管骨架；

步骤4：根据血管骨架的分类结果，使用8邻域投票的方法确认其他血管像素的分类；

步骤5：使用形态学方法将位于粗细血管断裂交叉区域的血管重新分类。

2.根据权利要求1所述一种面向高精度血管分割模型训练应用的粗细血管分类方法，其特征在于：所述步骤1中，使用形态学方法，腐蚀血管边界像素，保留下来的像素组合成血管骨架。

3.根据权利要求1所述一种面向高精度血管分割模型训练应用的粗细血管分类方法，其特征在于：所述步骤2中，在每个血管骨架像素所在的圆形窗口内，计算计算血管骨架与血管面积的比值，如公式(1)所示：

式(1)中：P代表血管缩小比例值，代表血管骨架像素，代表原血管像素，M代表8×8圆形窗口内血管骨架像素数量，N代表8×8圆形窗口内血管像素数量。

4.根据权利要求1所述一种面向高精度血管分割模型训练应用的粗细血管分类方法，其特征在于：所述步骤4中，8邻域投票的方法包括以下步骤：

S4.1：输入已分类的血管骨架图像，迭代次数T及血管像素总素S；

S4.2：比较当前迭代数t与T大小，若小，进行S4.3，反之，跳转到S4.8；

S4.3：比较已投票像素数量s与S大小，若小，进行S4.4，反之，跳转到S4.7；

S4.4：计算血管像素I的8邻域内粗血管像素数量X与细血管像素数量Y；

S4.5：比较X与Y大小，若XY，则I为粗血管像素，若XY，则I为细血管像素，若X＝Y＝4，则I为粗血管像素；

S4.6：s加1，跳转到步骤S4.3；

S4.7：t加1，跳转到步骤S4.2；

S4.8：得到已分类完好的出现血管图像。

5.根据权利要求1所述一种面向高精度血管分割模型训练应用的粗细血管分类方法，其特征在于：所述步骤4中，将其他血管像素分类为粗血管像素与细血管像素，得到初步分类结果。

6.根据权利要求1所述一种面向高精度血管分割模型训练应用的粗细血管分类方法，其特征在于：所述步骤5中，具体包括以下步骤：

S5.1：输入初步粗细血管分类图像，迭代次数T；

S5.2：比较当前迭代数t与T大小，若小，进行S5.3，反之，跳转到S5.7；

S5.3：从初步粗细血管分类图像提取粗血管图像I_thick与细血管图像I_thin；

S5.4：在I_thick中找出连通区域小于35的小型区域将其归为细血管；

S5.5：在I_thin中找出连通区域小于35的斑点将其归为粗血管；

S5.6：更新粗细血管分类图像中粗细血管分类情况；

S5.7：得到最终出现血管分类结果。

7.根据权利要求6所述一种面向高精度血管分割模型训练应用的粗细血管分类方法，其特征在于：所述步骤5中，使用连通域方法除去斑点，在粗血管图像中找出连通区域小于35的斑点将其归为细血管，在细血管图像中找出连通区域小于35的斑点将其归为粗血管，迭代5次，得到最终分类结果。