[发明专利]基于GA-Xnet的裸鼠皮窗血管分割图像断裂修复方法

说明书

本发明涉及一种基于GA‑Xnet的裸鼠皮窗血管分割图像断裂修复方法，包括以下步骤：步骤S1:获取裸鼠皮窗图像数据，并提取皮窗圆形感兴趣区和人工标注血管样本；步骤S2:对标注的裸鼠皮窗图像数据进行缩减，然后进行数据扩增，将扩增后的图像数据用于训练深度学习语义分割,并根据训练后深度学习语义分割对其他无标注的图像进行预测，然后将预测的图像扩大为原图像尺寸，得到粗分割后的图像；步骤S3:将粗分割后的图像与DRIVE数据集混合，作为训练数据集；步骤S4:对训练数据集进行扩增处理；步骤S5:将扩增的数据集输入到深度学习语义分割模型中进行训练，得到预测修复结果。本发明能够有效实现血管分割断裂的修复功能，同时对训练所使用的硬件要求低，可靠性高。

技术领域

本发明涉及一种基于GA-Xnet的裸鼠皮窗血管分割图像断裂修复方法。

背景技术

裸鼠皮窗模型经常被用来进行药物临床前的实验，其中血管分割能够将血管信息进行提取从而完成相关的血管特征数据如管径等的分析，间接对相关药物进行定量分析。但是由于皮窗模型制备过程中，容易发生筋膜覆盖血管的情况，导致采用传统阈值分割容易发生血管分割断裂，如果采用深度学习模型进行分割，则存在受硬件所限，同时作为小样本，则需要将裸鼠皮窗的图像进行分块处理后进行训练，由于丢失全局信息，也会出现血管分割断裂现象。血管分割断裂容易导致管径数据的误判。但是过分清除皮窗表面的筋膜容易导致血管出血导致实验模型失败。

发明内容

有鉴于此，本发明的目的在于提供一种基于GA-Xnet的裸鼠皮窗血管分割图像断裂修复方法，有效实现血管分割断裂的修复功能，同时对训练所使用的硬件要求低，可靠性高。

为实现上述目的，本发明采用如下技术方案：

一种基于GA-Xnet的裸鼠皮窗血管分割图像断裂修复方法，包括以下步骤：

步骤S1:获取裸鼠皮窗图像数据，并提取皮窗圆形感兴趣区和人工标注血管样本；

步骤S2:对标注的裸鼠皮窗图像数据进行缩减，然后进行数据扩增，将扩增后的图像数据用于训练深度学习语义分割,并根据训练后深度学习语义分割对其他无标注的图像进行预测，然后将预测的图像扩大为原图像尺寸，得到粗分割后的图像；

步骤S3:将粗分割后的图像与DRIVE数据集混合，作为训练数据集；

步骤S4:对训练数据集进行扩增处理；

步骤S5:将扩增的数据集输入到深度学习语义分割模型中进行训练，得到预测修复结果。

进一步的，所述步骤S1具体为：

(1)通过体式显微镜进行拍摄裸鼠脊背皮窗的白光图；

(2)制作圆形掩模，提取感兴趣的皮窗圆形区域；

(3)提取裸鼠脊背皮窗中圆感兴趣区域即血管区域；

(4)将预设数量的裸鼠皮窗血管图像进行人工标注。

进一步的，所述制作圆形掩模，提取感兴趣的皮窗圆形区域，具体为：

使用黑色圆标注皮窗圆形边缘，然后提取黑色的空心圆，填充圆形，作为人工皮窗的掩模，使用最小近邻插值原图像和掩模图像缩小尺寸作为下一步深度学习模型的数据集；

将掩模数据集输入深度学习的语义分割模型进行训练，然后预测图像，获取皮窗图像的圆形感兴趣区掩模图，将预测的掩模图恢复原尺寸。

进一步的，所述提取裸鼠脊背皮窗中圆感兴趣区域即血管区域，采用掩模图像和原图完成与操作，设置掩模图中白色区域的数值为1，黑色区域为0，分别和彩色原图三通道进行与操作，完成圆形区域的血管图像的提取。

进一步的，所述步骤S2具体为：