一种眼底动静脉图像分割方法、装置和设备制造方法及图纸

本公开涉及一种眼底动静脉图像分割方法、装置和设备。眼底动静脉图像分割方法具体包括：获取目标眼底图像，通过预先训练完成的图像分割模型对眼底图像进行视网膜动静脉血管分割，其中，图像分割模型包括第一级联卷积层和第二级联卷积层，第一级联卷积层对眼底图像进行一次分割，得到临时图像，随后将临时图像与眼底图像进行融合，第二级联卷积层对融合后的图像进行二次分割，得到动静脉血管分割后的图像，能够对动静脉血管进行精细分割，且分割精度较高，同时对分割后的图像进行检测，还便于了解眼底血管的状况。于了解眼底血管的状况。于了解眼底血管的状况。

【技术实现步骤摘要】
一种眼底动静脉图像分割方法、装置和设备


[0001]本公开涉及图像处理
，尤其涉及一种眼底动静脉图像分割方法、装置和设备。

技术介绍

[0002]在我国，脑卒中是成年人的首要死因，具有高发病率，高致残率和高死亡率的三大特点。早期筛查危险因素，早期干预对于减少脑卒中的发生率和致残致死率意义重大。视网膜血管可以看作脑血管的一部分，两者具有相似的解剖特征和生理特性。大量研究发现视网膜血管异常特征(视网膜动脉狭窄、动静脉比降低、动静脉压迹、局灶视网膜动脉管径狭窄、微血管瘤、软硬性渗出及出血点等视网膜病变)与脑卒中密切相关。视网膜血管系统允许长期累积暴露于血压升高和其他中风危险因素中，可以通过直接、简便、无创的眼底成像技术来观察。这种检查技术更有利于脑卒中的早期筛查，容易被推广应用，尤其是面向医疗条件有限的偏远地区。
[0003]目前，多通过对眼底图像中的血管进行分割，基于分割后的图像对眼底的血管进行检测、分类和分析等操作，来达到诊断眼科疾病的目的，进而对脑卒中进行早期筛查，因此，尽可能的分割出眼底的小血管就尤为重要。
[0004]但是，现阶段对眼底小血管的分割方法，仅限于分割眼底血管，没有分割出动静脉血管以及小血管，且分割精度不够，鲁棒性差。

技术实现思路

[0005]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种眼底动静脉图像分割方法、装置和设备，能够分割出眼底视网膜动静脉血管，分割精度高，同时也为未来脑卒中筛查项目提供更有效便捷的工具。
[0006]第一方面，本公开实施例提供了一种眼底动静脉图像分割方法，包括：
[0007]获取眼底图像；
[0008]通过预先训练完成的图像分割模型对所述眼底图像进行视网膜动静脉分割，其中，所述图像分割模型包括第一级联卷积层和第二级联卷积层，所述第一级联卷积层对所述眼底图像进行一次分割，得到临时图像；所述第二级联卷积层对融合图像进行二次分割，得到分割图像；所述融合图像为融合所述临时图像与所述眼底图像得到的图像；
[0009]对所述分割图像进行检测，得到检测结果，所述检测结果用于确定眼底血管的状况。
[0010]第二方面，本公开实施例提供了一种眼底动静脉图像分割装置，包括：
[0011]获取模块，用于获取眼底图像；
[0012]分割模块，用于通过预先训练完成的图像分割模型对所述眼底图像进行视网膜动静脉分割，其中，所述图像分割模型包括第一级联卷积层和第二级联卷积层，所述第一级联卷积层对所述眼底图像进行一次分割，得到临时图像；所述第二级联卷积层对融合图像进
行二次分割，得到分割图像；所述融合图像为融合所述临时图像与所述眼底图像得到的图像；
[0013]检测模块，用于对所述分割图像进行检测，得到检测结果，所述检测结果用于确定眼底血管的状况。
[0014]第三方面，本公开实施例提供了一种电子设备，包括：
[0015]存储器；
[0016]处理器；以及
[0017]计算机程序；
[0018]其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述的眼底动静脉图像分割方法。
[0019]本公开实施例提供一种眼底动静脉图像分割方法、装置和设备。眼底动静脉图像分割方法具体包括：获取眼底图像，通过预先训练完成的图像分割模型对眼底图像进行视网膜动静脉分割，其中，图像分割模型包括第一级联卷积层和第二级联卷积层，第一级联卷积层对眼底图像进行一次分割，也就是对眼底图像进行粗分割，得到临时图像，随后将临时图像与眼底图像进行融合，尽可能的获取动静脉血管的特征信息，随后第二级联卷积层对融合后的图像进行二次分割，也就是对融合后的图像进行精细分割，得到动静脉血管分割后的图像，随后对分割图像进行检测，得到检测结果，本实施例提供的方法能够对眼底视网膜中动静脉血管进行精确分割，且分割精度较高，鲁棒性强，还能够基于检测结果确定眼底血管的状况。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0021]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本公开实施例提供一种应用场景的示意图；
[0023]图2为本公开实施例提供的一种图像分割模型训练方法的流程示意图；
[0024]图3为本公开实施例提供的一种图像分割网络框架的结构示意图；
[0025]图4为本公开实施例提供的一种眼底动静脉图像分割方法的流程示意图；
[0026]图5为本公开实施例提供的一种图像分割网络框架的结构示意图；
[0027]图6为本公开实施例提供的一种图像分割网络框架的结构示意图；
[0028]图7为本公开实施例提供的一种图像分割网络框架的结构示意图；
[0029]图8为本公开实施例提供的一种眼底动静脉图像分割方法的流程示意图；
[0030]图9为本公开实施例提供的一种眼底动静脉图像分割方法的流程示意图；
[0031]图10为本公开实施例提供的一种眼底动静脉图像分割装置的结构示意图；
[0032]图11为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0033]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0034]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
[0035]本公开实施例提供的眼底动静脉图像分割方法，预先建立图像分割网络框架，并根据眼底图像样本数据对图像分割网络框架进行训练，得到图像分割模型，随后，将获取的眼底图像输入到训练完成的图像分割模型中，得到分割图像，该方法能够准确的分割出眼底视网膜中动静脉血管，并将动静脉血管加以区分，分割精度比较高，鲁棒性强,，同时对分割后的图像进行检测，还便于了解眼底血管的状况。
[0036]具体的，眼底动静脉图像分割方法可以由终端或服务器来执行。具体的，终端或服务器可以通过图像分割模型对眼底图像中的动静脉血管进行分割。图像分割模型的训练方法的执行主体和眼底图像分割方法的执行主体可以相同，也可以不同。
[0037]例如，在一种应用场景中，如图1所示，服务器12对图像分割模型进行训练。终端11从服务器12获取训练完成的图像分割模型，终端11通过该训练完成的图像分割模型对眼底图像中动静脉血管进行分割。该眼底图像可以是终端11拍摄获得的。或者，该眼底图像是终端11从其他设备中获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种眼底动静脉图像分割方法，其特征在于，包括：获取眼底图像；通过预先训练完成的图像分割模型对所述眼底图像进行视网膜动静脉分割，其中，所述图像分割模型包括第一级联卷积层和第二级联卷积层，所述第一级联卷积层对所述眼底图像进行一次分割，得到临时图像；所述第二级联卷积层对融合图像进行二次分割，得到分割图像；所述融合图像为融合所述临时图像与所述眼底图像得到的图像；对所述分割图像进行检测，得到检测结果，所述检测结果用于确定眼底血管的状况。2.根据权利要求1所述的方法，其特征在于，所述第一级联卷积层包括第一特征提取层、第一扩张卷积层和第一分割层；所述眼底图像输入所述第一特征提取层，依次经过所述第一特征提取层、所述第一扩张卷积层和所述第一分割层的处理，由所述第一分割层输出所述临时图像；所述第二级联卷积层包括第二特征提取层、第二扩张卷积层和第二分割层；所述融合图像输入所述第二特征提取层，依次经过所述第二特征提取层、所述第二扩张卷积层和所述第二分割层的处理，由所述第二分割层输出所述分割图像。3.根据权利要求2所述的方法，其特征在于，所述第一级联卷积层对所述眼底图像进行一次分割，得到临时图像，包括：所述第一特征提取层提取所述眼底图像的特征，得到第一特征数据；所述第一扩张卷积层增加所述第一特征数据的感受野；所述第一分割层对增加感受野的第一特征数据进行分割，得到临时图像。4.根据权利要求2所述的方法，其特征在于，所述第二级联卷积层对融合图像进行二次分割，得到分割图像，包括：所述第二特征提取层提取融合图像的特征，得到第二特征数据；所述第二扩张卷积层增加所述第二特征数据的感受野；所述第二分割层对增加感受野的第二特征数据进行分割，得到分割图像。5.根据权利要求2所述的方法，其特征在于，所述第一特征提取层包括多个维度的子提取层；所述第一分割层包括多个维度的子分割层；所述多个维度的子提取层的数量为所述多个维度的子分割层和所述第一扩张卷积层的数量之和；所述第二特征提取层...

【专利技术属性】
技术研发人员：吉训明，高渊，袁延超，张旭乡，武嘉琦，
申请(专利权)人：首都医科大学宣武医院，
类型：发明
国别省市：