[发明专利]一种基于高效CNN‑CRF网络的视网膜图像分割方法

摘要

本发明公开了一种基于高效CNN‑CRF网络的视网膜图像分割方法，针对图像空间信息约束问题，将全卷积神经网络和条件随机场相结合，针对视网膜图像血管分割问题，对整幅图像设计并训练了一个端到端的深度学习分割模型。通过全卷积神经网络对图像像素的预测和条件随机场语义分割相结合，最终得到视网膜血管图像分割结果。与逐像素分割方法相比，本发明仅需通过一次前向运算即可完成对一幅完整图像的分割，处理效果高于目前技术水平，能够广泛地应用在糖尿病、高血压以及青光眼视网膜诊断领域，为视网膜图像的病理诊断提供了强大的理论和技术支持。

主权项

一种基于高效CNN‑CRF网络的视网膜图像分割方法，其特征在于，包括以下步骤：步骤1：对数据库中的视网膜血管图像进行样本扩充；步骤2：在深度学习工具Caffe库中构建CNN‑CRF神经网络，所述CNN‑CRF神经网络分为全卷积神经网络和条件随机场语义分割；步骤3：将扩充后的视网膜血管图像作为全卷积神经网络的输入，对训练样本进行预训练，得到CNN‑CRF神经网络模型的初始参数；步骤4：在网络层最后一层前面加入条件随机场层，进行二次调优训练；根据前端全卷积神经网络的输出结果，采用条件随机场对视网膜血管图像的特征图像进行分割；步骤5：采用训练好的CNN‑CRF神经网络模型对测试样本进行分割，得到最终的视网膜血管图像分割图。