资源类型：
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
本发明涉及一种基于眼底检查影像的血管分割方法、装置和系统，旨在通过应用计算机视觉、图像处理技术、神经网络算法和医学影像分析相结合，实现基于眼底照片或OCT实现对视网膜小血管和毛细血管的自动分割，提高了血管分割的效率和准确性，减轻医生的工作负担、降低人为误差的风险。本申请提供的方法、装置和系统以U‑Net改进网络模型的视网膜血管分割方案作为核心模型，结合常规的眼底检查影像数据，同时利用计算机数据的优势，快速对视网膜小血管以及毛细血管进行划分，能够减轻医生的工作负担、降低人为误差的风险。
主权项：
1.一种基于眼底检查影像的血管分割方法，其特征在于，包括： 步骤一，采集眼底检查影像数据；所述眼底检查影像数据至少包括彩色眼底照片和光学相干断层扫描图像； 步骤二，对所述眼底检查影像数据进行预处理；所述预处理包括去噪、对比度增强和颜色标准化，用于减少噪声并提升图像质量； 步骤三，基于所述影像数据中检测目标在空间上互信息最大的位置，得到所述检测目标的最佳配准； 步骤四，利用预设图像处理方法提取配准后影像数据中的血管特征，所述血管特征包括边缘、纹理、颜色和强度梯度； 步骤五，从步骤四中的血管特征中选取部分数据作为训练集和测试集，建立基于机器学习神经网络模型，利用所述训练集训练所述神经网络模型，利用测试集测试训练好的所述神经网络模型，最后利用所述神经网络模型输出血管分割结果； 其中，所述神经网络模型基于U-Net改进网络构建，所述U-Net改进网络包括收缩网络和扩张网络两个部分，所述收缩网络包含捷径层，并将作为模型的损失函数： 式中，X表示分割点预测值，Y表示分割点参考值，N表示输入个数，表示模型之间的相似程度；相似度如下所示： 其中，k为平滑值，表示两个样本之间的相交部分或重叠部分， 表示预测值与参考值的总量。
