(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211134660.X (22)申请日 2022.09.19 (65)同一申请的已公布的文献号 申请公布号 CN 115205300 A (43)申请公布日 2022.10.18 (73)专利权人 华东交通大 学 地址 330000 江西省南昌市经济技 术开发 区双港东大街808号 (72)发明人 张红斌　钟翔　李志杰　胡朗　 袁梦　李广丽　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 专利代理师 黄攀 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 3/40(2006.01) G06T 3/60(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 111898617 A,2020.1 1.06 CN 112508960 A,2021.0 3.16 CN 114999637 A,202 2.09.02 CN 112966691 A,2021.0 6.15 CN 111291789 A,2020.0 6.16 CN 110232394 A,2019.09.13 CN 114187450 A,2022.03.15 CN 114639020 A,202 2.06.17 CN 110059772 A,2019.07.26 CN 110781895 A,2020.02.1 1 CN 110992382 A,2020.04.10 CN 112102283 A,2020.12.18 CN 114972748 A,202 2.08.30 CN 111783782 A,2020.10.16 CN 108986124 A,2018.12.1 1 CN 112001391 A,2020.1 1.27 (续) 审查员 李晓 (54)发明名称 基于空洞卷积和语义融合的眼底血管图像 分割方法与系统 (57)摘要 本发明提出一种基于空洞卷积和语义融合 的眼底血管图像分割方法与系统， 包括： 获取眼 底血管图像数据集， 从眼底血管图像数据集中获 取眼底血管图像并进行预处理； 基于U ‑Net模型 进行改进以得到改进神经网络； 在改进神经网络 的跳跃连接部分设计一个多层多尺度空洞卷积 结构； 在改进神经网络的解码 部分设计一个语义 融合结构； 执行连续三次卷积操作以得到待分割 图像， 对待分割图像中的像素进行二分类判别， 以对眼底血管图像进行分割， 并得到一个改进的 神经网络模型； 根据第一损失函数， 对改进的神 经网络模型进行辅助训练与测试。 本发明能准确 有效地对眼底血管图像进行分割， 辅助医生的临床诊断工作进 而实现高质量的医疗服 务。 [转续页] 权利要求书4页 说明书11页 附图3页 CN 115205300 B 2022.12.09 CN 115205300 B (56)对比文件 CN 112949673 A,2021.0 6.11 CN 111210435 A,2020.0 5.29 US 20210 35304 A1,2021.02.04 US 2021272 246 A1,2021.09.02 US 2022208355 A1,202 2.06.30 KR 201901 19261 A,2019.10.2 2 US 2021248761 A1,2021.08.12 WO 202021523 6 A1,2020.10.2 9 WO 2022105125 A1,202 2.05.27 US 2021049397 A1,2021.02.18 CN 114881968 A,202 2.08.09 CN 113160414 A,2021.07.23 陈洪云等.融合深度神经网络和空洞卷积的语义图像分割研究. 《小型微型计算机系统》 .2020,(第01期), 李大湘等.基 于改进U-Net视网膜血 管图像 分割算法. 《光学 学报》 .2020,(第10期), Zhijie Wen 等.GCSBA-Net: Gabor-Based and Cascade Sque eze Bi-A ttention Network for Gland Segmentati on. 《IEEE Journal of Biomedical and Health I nformatics》 .2021, Lei Xu 等.Weldi ng Defect Recogn ition Technology and Ap plication Based o n Convolutional Neural Netw ork. 《2021 Internati onal Wireless Communications and Mobile Computi ng (IWCMC)》 .2021, 李轩等.基 于卷积神经网络的图像分割算 法. 《沈阳航空航天大 学学报》 .2020,(第01期),2/2 页 2[接上页] CN 115205300 B1.一种基于空洞卷积和语义融合的眼底血管图像分割方法， 其特征在于， 所述方法包 括如下步骤： 步骤一， 获取眼底血管图像数据集， 从所述眼底血管图像数据集中获取眼底血管图像， 并对所述眼底血 管图像进行 预处理； 步骤二， 基于U ‑Net模型进行改进设计， 以得到改进神经网络， 其中进行改进 的具体操 作包括步骤三、 步骤四与步骤五； 步骤三， 在进行改进设计时， 在所述改进神经网络的跳跃连接部分设计一个多层多尺 度空洞卷积结构， 所述多层多尺度空洞卷积结构用于跨越所述改进神经网络的编 码部分与 解码部分， 以保护眼底血 管中的细节信息； 步骤四， 在所述改进神经网络的解码部分设计一个语义融合结构， 所述语义融合结构 用于对解码后的多尺度图像特征进行拼接， 并构建成对挤压激励模块， 根据所述挤压激励 模块对拼接后的多尺度图像特 征进行关键信息 筛选以最终得到多尺度图像特 征融合结果； 步骤五， 对所述多尺度图像特征融合结果执行连续三次卷积操作以得到待分割图像， 对所述待分割图像中的像素进行二分类判别， 以对眼底血管图像进行分割， 并得到一个改 进的神经网络模型； 步骤六， 根据第 一损失函数， 对所述改进的神经网络模型进行辅助训练， 以对训练后的 神经网络模型进行测试， 从而最终完成眼底血 管图像的分割与验证； 所述第一损失函数的表达式为： 其中， 表示第一损失函数， 表示数据总类别数量，   表示类别 k的真阳值， 表示类别 k的假阴值， 表示像素属于类别 k的数量， ， 表示类别 k的几何 平均置信度， 表示类别 k的召回率， 表示输入的训练数据在所有类别上的预测最大值分 布， 表示标签为类别 k的样本集， 表示训练数据的标签数据， 表示训练数据的序 号； 在所述步骤三中， 所述多层多尺度空洞卷积结构包括上层图像特征、 中层图像特征以 及下层图像特 征； 其中， 对上层图像特征、 中层图像特征以及下层图像特征执行包含不同尺度卷积率的 级联式空洞卷积； 对上层图像特征、 中层图像特征以及下层图像特征执行包含不同尺度 卷积率的级联式 空洞卷积的方法包括如下步骤： 对所述上层图像特征执行感受野逐步扩 张的级联式空洞卷积， 经卷积得到上层图像特 征对应的空洞卷积特征， 再对空洞卷积特征执行最大池化操作， 以获得大尺寸图像的局部 特征； 将所述中层图像特征对应的眼底血管图像分割成固定大小的图像块， 通过扁平化操作 对图像块进行矢量化， 执行线性映射将矢量化的图像块转换成低 维线性嵌入特征； 将所述权　利　要　求　书 1/4 页 2 CN 115205300 B 3