欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106458497
申请人: 苏州大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种视网膜黄斑水肿多病变图像分割方法,其特征在于,所述方法包括如下步骤:采集三维视网膜OCT体数据并将其转化为二维视网膜OCT B扫描图像;

将所述二维视网膜OCT B扫描图像输入已训练好的编解码注意力网络模型进行视网膜黄斑水肿多病变联合分割,获取分割图像结果。

2.根据权利要求1所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述方法还包括:对二维视网膜OCT B扫描图像进行预处理,包括:对二维OCT B扫描图像按照病变区、背景区进行图像分块处理;

对包含色素上皮层脱离PED图像区域进行数据扩增。

3.根据权利要求2所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述图像分块处理的方法包括:随机框取一个包含全部病变区域的框,对于不包含病变的背景区,选用相同大小的框进行分块提取。

4.根据权利要求3所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述数据扩增处理包括:对于包含色素上皮层脱离PED图像区域采用与背景区分块提取相同大小的框进行随机n次取分块,n≥9。

5.根据权利要求1所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述编解码注意力网络模型的设计与构建方法包括如下步骤:采用2个卷积块和4个残差模块构建编码器;

采用2个卷积层、4个边缘优化模块和3个上采样层构建解码器;

构建编解码注意力模块,以连接所述编码器和解码器。

6.根据权利要求5所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述编码器的设计与构建方法包括:将编码器中的2个卷积块和4个残差模块配置为依序连接,其中最上层卷积块被配置为

7×7卷积,另一卷积块被配置为步长为2的3×3卷积;

对配置为步长为2、3×3卷积的卷积块、最上层残差模块的瓶颈层、最底层残差模块的瓶颈层进行下采样;

最上层残差模块被配置为膨胀率为2的膨胀卷积;最底层残差模块被配置为膨胀率为4的膨胀卷积。

7.根据权利要求5所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述解码器的设计构建方法包括:采用双线性插值法配置3个上采样层;

采用两个带残差设计的卷积块构建每个边缘优化模块。

8.根据权利要求5所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述编解码注意力模块的设计与构建方法包括:表示来自编码器的特征,通过两个1×1卷积分别产生两个特征图V和K,表示来自解码器的特征,通过1×1卷积产生特征图其中,C表示原始通道数,C’表示特征图D的通道数,且满足C’<

将特征图V、K和Q的大小重塑为C’×N,其中N=H×W;

采用公式(1),通过计算KT与Q的矩阵乘积,产生像素级亲和注意力矩阵其中,超参数 是一个归一化参数;

采用公式(2)计算特征图V和注意力矩阵A之间的矩阵乘法,得到最终特征图P={pic,i=1,2,...,N,c=1,2,...,C'}:公式(2)中的pic表示对所有位置j与某一个位置i之间亲密度的加权求和;由公式(2)可知,最终特征图P由编码器特征图和解码器特征图之间的相关上下文信息进行加权得到;

将P的尺寸重新置为C’×H×W,使得

将P经过一个1×1的卷积块后,再与解码器中的特征D相加,以增强相关性响应以及全局表征能力;

通过自适应注意力特征,将编码器特征图中的任意位置与同级解码器特征图的其他位置融合。

9.根据权利要求8所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,对于通过公式(2)得到的最终特征图P,采用矩阵乘法结合律将公式(2)的计算复杂度由 降低至即:根据矩阵乘法的结合律,先计算Z=VKT: 然后再计算ZQ,其中C’表示特征图D的通道数,且满足C'<

10.根据权利要求8所述的视网膜黄斑水肿多病变图像分割方法,其特征在于,所述编解码注意力网络模型采用包含交叉熵损失和多类Dice损失的混合损失函数,如公式(4)所示:其中,λ是平衡Dice损失 和交叉熵损失 的一个权重系数;p∈[0,1]表示预测概率;g∈{0,1}表示金标准标签;M表示特征图的空间维度;K表示病变与背景的类型总和;ε是平滑因子。