[发明专利]基于双路径多尺度密集聚合网络的视网膜血管分割方法

权利要求书

1.基于双路径多尺度密集聚合网络的视网膜血管分割方法，其特征在于，视网膜血管分割方法如下：

步骤一：首先设计出MCDAU-Net，用于缓解连续采样操作和简单跳连接所造成的上下文信息和微小血管细节的损失，同时提出双路径融合策略，提供上下文信息的同时进一步加强微小血管分割的连续性；在MCDAU-Net中，首先通过扩张卷积和空间金字塔模块构建了一个级联扩张空间金字塔池化(CDSPP)模块，随后它被导入到中间层，以获得更大的感受野来融合多尺度的背景信息；

步骤二：之后提出InceptionConv(IConv)模块，以提取更深层次的语义特征并加强特征传播；

步骤三：再然后提出多尺度自适应特征聚合(MAFA)模块，它可有效地指导分层特征的融合，从而使不同层的不同尺度的特征图可以在通道维度上进行串联，从而产生有意义和有鉴别力的特征图；

步骤四：最后提出一种双路径融合策略；通过融合不同大小的斑块，可以得到包含上下文信息的精细特征图，从而抑制非血管特征，精确确定血管的形状与相对位置。

2.根据权利要求1所述的基于双路径多尺度密集聚合网络的视网膜血管分割方法，其特征在于，DMCDA-Net是全自动的、准确的血管分割方法。

3.根据权利要求1所述的基于双路径多尺度密集聚合网络的视网膜血管分割方法，其特征在于，MCDAU-Net利用CDSPP模块、IConv模块和MAFA模块等三个模块来探索多尺度的上下文信息，并通过加强特征传播，来生成可判别的特征图。

4.根据权利要求3所述的基于双路径多尺度密集聚合网络的视网膜血管分割方法，其特征在于，为了传递上下文信息所提出的双路径融合策略，可以加强对微小血管分割的完整性和连续性，提高血管的分割质量。