基于均衡采样拼接的多通道U型全卷积神经网络的视网膜血管图像分割方法

    公开(公告)号:CN112085745B

    公开(公告)日:2024-10-18

    申请号:CN202010931829.9

    申请日:2020-09-07

    Abstract: 本发明提出一种基于均衡采样拼接的多通道U型全卷积神经网络的视网膜血管图像分割方法,包括以下步骤:步骤S1:对原始彩色视网膜图像采用三通道直方图均衡化并结合特性值伽马矫正进行预处理;步骤S2:构建多尺度均衡化划分采样点后进行图像块随机拼接扩充数据样本;步骤S3:将图像数据归一化;步骤S4:将归一化后的图像数据输入视网膜血管分割模型进行视网膜血管网络分割;所述视网膜血管分割模型由训练集产生的归一化后的图像数据通过对色彩敏感的三通道U‑Net全卷积网络进行训练获得。其在精度,灵敏度,以及特异性以及AUC上有较大优势。

    基于均衡采样拼接的多通道U型全卷积神经网络的视网膜血管图像分割方法

    公开(公告)号:CN112085745A

    公开(公告)日:2020-12-15

    申请号:CN202010931829.9

    申请日:2020-09-07

    Abstract: 本发明提出一种基于均衡采样拼接的多通道U型全卷积神经网络的视网膜血管图像分割方法,包括以下步骤:步骤S1:对原始彩色视网膜图像采用三通道直方图均衡化并结合特性值伽马矫正进行预处理;步骤S2:构建多尺度均衡化划分采样点后进行图像块随机拼接扩充数据样本;步骤S3:将图像数据归一化;步骤S4:将归一化后的图像数据输入视网膜血管分割模型进行视网膜血管网络分割;所述视网膜血管分割模型由训练集产生的归一化后的图像数据通过对色彩敏感的三通道U‑Net全卷积网络进行训练获得。其在精度,灵敏度,以及特异性以及AUC上有较大优势。

Patent Agency Ranking