[发明专利]结合深度可分离卷积与通道加权的FCN视网膜图像血管分割在审
| 申请号： | 201810192757.3 | 申请日： | 2018-03-09 |
| 公开（公告）号： | CN108510473A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 耿磊;高增来;肖志涛;张芳;吴骏;邱玲 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种结合深度可分离卷积与通道加权的FCN视网膜图像血管分割方法，包括：1)对眼底图像的绿色通道进行CLAHE及Gamma校正以增强对比度；2)为了适应网络训练，对增强后的图像进行分块以扩充数据；3)以深度可分离卷积代替标准的卷积方式以增加网络宽度，同时引入通道加权模块，以学习的方式显式地建模特征通道的依赖关系，提高特征的可分辨性。将二者结合应用于FCN网络中，以专家手动标识结果作为监督在DRIVE数据库进行实验。结果表明，该方法可以实现较为精确的视网膜图像血管分割，并且具有较高的鲁棒性。 | ||
| 搜索关键词： | 卷积 视网膜图像 血管分割 可分离 加权 加权模块 结合应用 可分辨性 绿色通道 手动标识 特征通道 网络训练 眼底图像 依赖关系 引入通道 鲁棒性 分块 建模 显式 数据库 网络 图像 监督 学习 | ||
【主权项】：
1.一种结合深度可分离卷积与通道加权的FCN视网膜图像血管分割方法，包括下列步骤：步骤1：对DRIVE库的部分眼底视网膜图像的绿色通道进行CLAHE及Gamma校正以增强对比度；步骤2：对步骤1中预处理后的图像进行数据扩充以适应网络训练的数据规模，并构建眼底视网膜图像数据集；步骤3：以深度可分离卷积代替标准的卷积方式，同时考虑到特征通道之间的相互依赖关系，引入通道加权模块，将其嵌入FCN网络结构中形成改进的FCN网络；步骤4：将步骤2中得到的眼底视网膜图像数据集输入改进的FCN网络进行有监督训练，利用训练好的分割模型在测试集进行测试。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津工业大学，未经天津工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810192757.3/，转载请声明来源钻瓜专利网。
