[发明专利]基于深度全卷积神经网络的视网膜眼底图像分割方法有效
| 申请号： | 201811622128.6 | 申请日： | 2018-12-28 |
| 公开（公告）号： | CN109598733B | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | 万程;牛笛;周鹏;彭琦;华骁 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11 |
| 代理公司： | 南京先科专利代理事务所(普通合伙) 32285 | 代理人： | 缪友菊 |
| 地址： | 210016*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度全卷积神经网络的视网膜眼底图像分割方法，包括：选取训练集和测试集，对视网膜眼底图像提取得到视盘定位区域图像并进行血管去除操作；构建深度全卷积神经网络，将视盘定位区域图像作为其输入，基于已经训练好的权重参数为初始值在训练集上进行视盘分割模型的训练以微调模型参数，在此基础上进行视杯分割模型的参数微调；用训练好的视杯分割模型在测试集上进行视杯和视盘的分割，对最终分割的结果进行椭圆拟合，依据视杯和视盘的分割边界计算垂直杯盘比。本发明实现视网膜眼底图像的视盘与视杯的自动分割，精度高，速度快。 | ||
| 搜索关键词： | 视网膜眼底图像 卷积神经网络 视杯 分割 定位区域 视杯分割 测试集 训练集 图像 参数微调 分割边界 模型参数 权重参数 视盘分割 椭圆拟合 血管去除 自动分割 杯盘 构建 微调 垂直 | ||
【主权项】：
1.基于深度全卷积神经网络的视网膜眼底图像分割方法，其特征在于，包括如下步骤：(1)选取视网膜眼底图像数据集作为训练集和测试集，对视网膜眼底图像的视盘区域进行定位和提取得到视盘定位区域图像；(2)对提取的视盘定位区域图像进行血管去除操作；(3)在深度学习工具Caffe库中构建用于图像分割的深度全卷积神经网络，所述深度全卷积神经网络分为视盘分割和视杯分割；(4)将血管去除后的视盘定位区域图像作为深度全卷积神经网络的输入，输入时对视盘定位区域图像进行各个通道的减均值预处理操作，以在视盘分割数据集DRIONS‑DB上预训练好的模型参数作为训练的初始值，在训练集上进行视盘分割模型的训练以微调模型参数；(5)在训练好的视盘分割模型参数上进行视杯分割模型的参数微调；(6)用训练好的视盘分割模型、视杯分割模型在测试集上进行视杯和视盘的分割，对最终分割的结果进行椭圆拟合以获得光滑的椭圆分割边缘。
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南京航空航天大学，未经南京航空航天大学许可，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/201811622128.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于三维空间加权的医学图像分割方法
- 下一篇：心脏与肺叶分割的方法和系统
