公开(公告)号：CN107256550A

公开(公告)日：2017-10-17

申请号：CN201710417165.2

申请日：2017-06-06

Applicant: 电子科技大学

Inventor： 杨路 ,  罗院生 ,  徐宏 ,  程洪

IPC: G06T7/00 ,  G06T7/10

CPC classification number: G06T7/0012 ,  G06T7/10 ,  G06T2207/20081 ,  G06T2207/20084 ,  G06T2207/30041

Abstract: 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。

公开(公告)号：CN107292887B

公开(公告)日：2020-07-03

申请号：CN201710469436.9

申请日：2017-06-20

Applicant: 电子科技大学

Inventor： 程洪 ,  徐宏 ,  罗院生 ,  杨路

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习自适应权重的视网膜血管分割方法，包括：对视网膜血管图像进行样本扩充，并对样本进行分组；构建血管分割全卷积神经网络，用训练样本对网络进行预训练，对视网膜血管图像进行全局自适应权重分割，得到视网膜血管分割初始模型参数；在网络层最后添加条件随机场层，对网络进行调优；采用轮换测试的方法将测试样本输入网络，得到视网膜血管分割结果图。本发明提出的血管分割全卷积神经网络结构和自适应权重方法能够实现人眼级别的图像分割，在DRIVE和CHASE_DB1两个国际公开视网膜图像数据库上进行测试，平均准确率分别达到了96.00％和95.17％，均高于目前最新的算法。

公开(公告)号：CN107292887A

公开(公告)日：2017-10-24

申请号：CN201710469436.9

申请日：2017-06-20

Applicant: 电子科技大学

Inventor： 程洪 ,  徐宏 ,  罗院生 ,  杨路

IPC: G06T7/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习自适应权重的视网膜血管分割方法，包括：对视网膜血管图像进行样本扩充，并对样本进行分组；构建血管分割全卷积神经网络，用训练样本对网络进行预训练，对视网膜血管图像进行全局自适应权重分割，得到视网膜血管分割初始模型参数；在网络层最后添加条件随机场层，对网络进行调优；采用轮换测试的方法将测试样本输入网络，得到视网膜血管分割结果图。本发明提出的血管分割全卷积神经网络结构和自适应权重方法能够实现人眼级别的图像分割，在DRIVE和CHASE_DB1两个国际公开视网膜图像数据库上进行测试，平均准确率分别达到了96.00％和95.17％，均高于目前最新的算法。