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！

龙图腾网恭喜东华大学申请的专利基于快速标签提取和自适应拓扑增强的眼底血管分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114612448B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210265279.0，技术领域涉及：G06T7/00；该发明授权基于快速标签提取和自适应拓扑增强的眼底血管分割方法是由李锋;石亦恒;刘丽设计研发完成，并于2022-03-17向国家知识产权局提交的专利申请。

本基于快速标签提取和自适应拓扑增强的眼底血管分割方法在说明书摘要公布了：本发明公开了基于快速标签提取和自适应拓扑增强的眼底血管分割方法，可以实现眼底图像中血管的自动提取，并且在模型训练过程中不依赖专家的手工标签。其实现过程是：1在眼底图像上用最佳方向性梯度通量滤波器获取响应图。2采用自适应阈值法，在响应图上分割出主血管。3在响应图上用局部最大值追踪出血管骨架以补充细小血管。4检查血管骨架周围的局部信息以消除视盘和病理组织边缘处的假阳性。5将上述步骤的结果作为标签，结合自适应拓扑增强损失函数来训练一个深度学习模型。本方法自动获取训练标签，消除了深度学习算法对人工标签的需求，并且通过自适应拓扑增强损失函数增加了深度学习算法的正确率。

本发明授权基于快速标签提取和自适应拓扑增强的眼底血管分割方法在权利要求书中公布了：1.基于快速标签提取和自适应拓扑增强的眼底血管分割方法，其特征在于包括如下步骤：步骤1：对训练集图片进行最佳方向性梯度通量滤波，获取到最佳方向性梯度通量响应，其中包括每个像素点的最佳血管度量值M与相应的血管方向；包括如下步骤：最佳方向性梯度通量响应是一个对称矩阵Qx,r，通过相似对角化，得到其关于位置x的两个特征值λ1x,r,λ2x,r和对应的特征向量ω1x,r,ω2x,r；那么最佳方向性梯度通量响应用以下方式分解：Qx,r＝λ1x,rω1x,rω1Tx,r+λ2x,rω2x,rω2Tx,r令λ1≤λ2，那么对于训练集图片的一个位置x，特征向量ω1代表血管法方向，ω2代表血管方向，位置x的血管度量值Mx根据以下公式计算： 其中Rscale是用于多尺度检测的一系列不同的尺度，r是对应的尺度；步骤2：在最佳方向性梯度通量响应中的血管度量值上使用自适应阈值法，将图像分割为主血管结构图；步骤3：使用局部最大值算法在血管度量值上对血管进行搜索，得到血管骨架s；步骤4：统计每个血管骨架s两侧邻域平均灰度值差异，删除差异大的血管骨架以消除视盘和病理组织边缘处的假阳性；步骤5：以血管骨架作为约束，删除主血管结构图中的假阳性，得到粗血管标签gthick；步骤6：用血管骨架来补充主血管图中缺少的细小血管部分，与主血管结构图进行与操作，并进行形态学算法以完善图像，获得精细的二值血管标签g；与此同时，获得细血管标签gthin和粗血管标签gthick；包括如下步骤：将血管骨架膨胀两个像素宽度后与粗血管标签gthick进行与操作，合并后的图像通过开操作消除图像中的细小噪声，所述开操作是先对图像进行腐蚀后膨胀；再通过闭操作消除图像中的空洞，所述闭操作是先对图像进行膨胀后腐蚀；同时平滑了血管边缘；其中细血管标签gthin＝g-gthick；步骤7：用眼底图片和相应的精细二值血管图g作为训练集标签一起传入深度学习模型，配合自适应拓扑增强损失函数，训练出一个专门用于眼底图像血管分割的深度学习模型；包括如下步骤：眼底图像经过模型预测得到预测结果y，通过提出的损失函数L计算y与精细二值血管标签g之间的差异；损失函数不仅考虑了每个像素的正确，还特别考虑了粗细血管之间的不同，通过参数α和β分别加强粗血管和细血管的权重： 其中y是预测值，g是标签值，是哈达玛积，Lbce是离散交叉熵损失函数： 其中N代表了像素的总数，gi和yi分别代表第i个像素的标签和预测值；步骤8：保存步骤7得到的深度学习模型，当需要处理一个新的眼底图像血管分割任务时，将图片输入模型，输出分割结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东华大学，其通讯地址为：200051 上海市长宁区延安西路1882号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。