买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明涉及一种基于血管特征引导的视盘和视杯分割方法，属于图像分割技术领域。建立了两个特征提取分支，使用基于cross‑transformer的融合模块计算两个分支提取的特征，进而获得基于两个分支的融合特征，使得提取的融合特征能够建立视盘视杯与血管信息之间的长距离依赖关系，有利于提高视盘和视杯分割的准确度。预测最终视盘和视杯时，设计了一种加权融合卷积层的特征和基于cross‑transformer特征融合模块的特征的方法，在视盘和视杯特征提取中充分发挥了卷积层局部算子的性质和transformer算子建模长距离特征的性质。

主权项：1.一种基于血管特征引导的视盘和视杯分割方法，其特征在于该方法的步骤包括：S1，对眼底图像进行预处理，然后使用双分支特征提取器提取预处理后的眼底图像的解耦特征FG和解耦特征FV；其中，双分支特征提取器中的特征提取器包括第一特征提取器和第二特征提取器，第一特征提取器为通用特征提取器，用于从彩色眼底图像中提取特征，第一特征提取器提取的眼底图像的特征称为第一特征，第一特征为解耦特征FG，第二特征提取器为血管指导特征提取器，用于从眼底血管的角度提取特征，第二特征提取器提取的眼底图像的特征称为第二特征，第二特征为解耦特征FV；所述第一特征提取器为具有可学习参数的非线性函数特征提取器EnG，第一特征提取器EnG为全连接神经网络、卷积神经网络或者基于attention机制的transformer模块，第一特征提取器EnG将从眼底图像中提取视盘和视杯的初步特征FG；第一特征提取器EnG使用ResNet34网络作为主干，ResNet34的全局平均池化层和最终的全连接层被删除，仅保留了ResNet34主干网络的四个阶段，其中，每个阶段由多个残差块组成，每个残差块由两个3×3卷积层和一个残差连接组成，每个卷积层后跟一个批归一化BN层和ReLU激活函数；第二特征提取器包括血管提取器EnV1和血管特征编码器EnV2，第二特征提取器提取特征的方法为：眼底图像首先通过血管提取器EnV1提取血管信息，然后血管特征编码器EnV2对提取的血管信息进行隐式特征编码，血管提取器EnV1和血管特征编码器EnV2是串联关系，血管提取器EnV1能将眼底图像中所有的血管提取出来，血管特征编码器EnV2对提取的血管信息进一步编码提取隐式特征FV；血管提取器EnV1是U-Net网络，主要结构是U型网络，所述血管提取器EnV1首先提取血管结构，然后将血管结构送入到血管特征编码器EnV2中进行编码；血管特征编码器EnV2将ResNet34作为血管特征编码器的主干，ResNet34的全局平均池化层和最终的全连接层被删除，仅保留了ResNet34主干网络的四个阶段，其中，每个阶段由多个残差块组成，每个残差块由两个3×3卷积层和一个残差连接组成，每个卷积层后跟一个批归一化层和ReLU激活函数；S2，对步骤S1得到的解耦特征FG和解耦特征FV进行序列化，进行序列化时解耦特征FG生成特征序列解耦特征FV生成特征序列ZV，然后对特征序列和特征序列ZV进行相似度计算，并使用多层全连接层对相似度计算结果进行特征融合，最终得到融合特征；S3，使用解码器对步骤S2中得到的融合特征进行解码，得到三个解码特征；S4，对步骤S2中得到的融合特征和步骤S3中得到的三个解码特征进行特征聚合，得到聚合特征，聚合特征用于最终视盘和视杯的分割。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于血管特征引导的视盘和视杯分割方法