1.一种基于改进的U-net网络的OCT图像脉络膜分割方法,其特征是,包括以下步骤:(1)数据获取和预处理,收集原始OCT图像,对其脉络膜上下边界进行专业标注,将含有金标准的图像进行归一化处理后,将处理得到的数据集作为训练集;
(2)构建U-net网络结构,其中U-net网络结构收缩路径中每层由一个卷积层和一个精致残差模块构成,所述精致残差模块为将输入的特征图经过卷积进行通道数转换后,再进行卷积,批处理,激活,卷积,再与第一步卷积得到的特征图进行残差操作,最后再进行激活处理,第一层之外的其它层在精致残差模块后采用批标准化处理,扩张路径中每层由一个反卷积层和一个通道注意力模块组成,所述通道注意力模块为将来自高层和底层的特征图进行串联,对串联后的特征图进行池化、卷积、激活、卷积、激活处理,将优化后的特征图和高层特征图进行相乘,再与底层特征图进行相加;
(3)将训练集输入构建的U-net网络进行训练;
(4)将待分割图像送入训练好的模型中进行图像分割。
2.根据权利要求1所述的一种基于改进的U-net网络的OCT图像脉络膜分割方法,其特征是,步骤(1)中采用双线性插值对图像进行下采样处理。
3.根据权利要求1所述的一种基于改进的U-net网络的OCT图像脉络膜分割方法,其特征是,步骤(2)中增加收缩路径以及扩张路径层数。
4.根据权利要求3所述的一种基于改进的U-net网络的OCT图像脉络膜分割方法,其特征是,将收缩路径以及扩张路径层数增加为8个。
5.根据权利要求1所述的一种基于改进的U-net网络的OCT图像脉络膜分割方法,其特征是,步骤(2)中定义损失函数为Dice损失与L2损失组合,即其中x表示金标准,即专业标注的脉络膜
分割图;y表示网络的输出,即网络预测的脉络膜分割图。
6.根据权利要求1所述的一种基于改进的U-net网络的OCT图像脉络膜分割方法,其特征是,步骤(3)中采用Adam算法对网络进行优化。