买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明请求保护一种基于结构自适应上下文敏感的视网膜血管分割方法。首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡、伽马校正等预处理；然后，对训练集进行图片尺寸分割以完成数据增强；接着，搭建由收缩路径和扩张路径组成的全卷积神经网络架构；最后，采用提出的结构自适应层替代卷积层来替代普通卷积、跳接层引入提出的空洞残差路径以及解码器中添加自适应特征融合模块，并引入多尺度深度监督机制，得到结构自适应上下文敏感网络，并将测试数据输入到该网络中快速测试完成图像分割。本发明有效地提高了视网膜血管的分割精度，且结构合理，提高了网络在复杂背景下处理形态差异较大的血管的能力以及末端毛细血管分割的准确性。

主权项：1.一种基于结构自适应上下文敏感的视网膜血管分割方法，其特征在于，包括以下步骤：首先对数据集进行灰度化、归一化、对比度受限自适应直方图均衡、伽马校正在内的预处理；然后，对训练集进行图片尺寸分割以完成数据增强；并将分割后的数据集随机打乱并按照8:1:1的比例切分为训练集、验证集和测试集；接着，搭建由左侧收缩路径和右侧扩张路径组成的全卷积神经网络架构；最后，采用结构自适应层替代卷积层来替代普通卷积，跳接层引入提出的空洞残差路径，以及解码器中添加自适应特征融合模块，并引入多尺度深度监督机制，得到结构自适应上下文敏感网络，并将测试数据输入到该网络中快速测试完成图像分割；所述搭建由左侧收缩路径和右侧扩张路径组成的全卷积神经网络架构；具体为：提出以残差结构为核心的结构自适应层，其由残差部分和映射部分组成；残差部分中包含了两层卷积核尺寸为3×3的卷积，每个卷积后都有一个BN层，实现将输入分布归一化，BN层后加入Dropout层，首层卷积的激活函数在Dropout层之后，第二层卷积的激活函数则在特征图像融合后添加也作为整体残差网络的激活函数，激活函数采用ReLu；残差部分表达式为： 其中，x∈RH×W×C表示输入的特征图像，y∈RH×W×C表示输出的特征图像，Conv3×3表示卷积核尺寸3×3的卷积运算，表示批正常化操作，γ和β表示批正常化层中两个可训练参数；δ代表非线性激活函数ReLu，表示随机失活层；映射部分则采用直接映射的方法将输入残差网络前的特征图像传递至残差结构末端并进行融合以此实现残差块结构；残差块表示为：yRes＝F{δDFx}最终得到结构自适应层表达式为：ySAL＝δConv3×3x0+yRes将得到的结构自适应层应用于所搭建的全卷积神经网络架构中替代卷积层来替代普通卷积，网络根据每轮的训练效果，逐渐学习到更合适该任务的编码器和解码器结构。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于结构自适应上下文敏感的视网膜血管分割方法