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：苏州大学

摘要：本发明涉及一种糖尿病技术领域，尤其是指一种糖尿病视网膜病变硬渗出物分割方法及装置，所述糖尿病视网膜病变硬渗出物分割方法在编码路径运用了三个自底向上的相邻互补校正模块，在解码路径运用了一个自底向上的渐进迭代融合模块，并将解码路径的两个输出特征使用空间感知模块进行自适应融合，输出糖尿病视网膜病变的硬渗出物预测概率图。本发明提高了分割精度，有效解决了硬渗出物分割时小病变以及模糊边界定位不精准的问题。

主权项：1.一种糖尿病视网膜病变硬渗出物分割方法，其特征在于，使用糖尿病视网膜病变硬渗出物分割模型提取眼底图像中的硬渗出物进行识别，步骤包括：S1、将眼底图像输入糖尿病视网膜病变硬渗出物分割模型进行编码，依次得到不同尺寸的编码特征F1,F2,…,Fn，其中n为编码特征的个数；S2、将最底层的三个编码特征Fn、Fn-1、Fn-2输入第一相邻互补校正模块，得到校正后的中间特征F′n-1；再将中间特征F′n-1与编码特征Fn-2、Fn-3输入第二相邻互补校正模块，得到校正后的中间特征F′n-2；通过相邻互补校正模块依次向上将编码特征渐进融合，直到将中间特征F′3与编码特征F2、F1输入第n-2相邻互补校正模块，得到校正后的中间特征F′2；相邻互补校正模块融合编码特征的过程包括：将所述相邻互补校正模块的三个输入特征记为Fi-1、Fi、Fi+1，其中输入特征Fi-1经下采样后输入空间注意力模块后得到空间注意力图Ms，输入特征Fi+1输入通道注意力模块后得到通道注意力图Mc；所述空间注意力图Ms与输入特征Fi逐像素相乘后得到Fi1，所述通道注意力图Mc与输入特征Fi逐像素相乘后得到Fi2，Fi1与Fi2逐像素相加后输出校正后的中间特征F′i；S3、在解码路径上，自底向上将编码特征Fn、中间特征F′n-1,F′n-2,…,F′2和编码特征F1解码，得到解码特征d1,d2,…,dn-1；S4、将解码特征d1,d2,…,dn-1输入渐进迭代融合模块，所述渐进迭代融合模块自底向上以逐层迭代的方式渐进融合相邻的三个解码特征，得到输出融合特征d″，过程包括：使用第一尺度注意力模块融合解码特征d1、d2、d3，得到融合特征d″2，再使用第二尺度注意力模块融合解码特征d3、d4和融合特征d″2，得到融合特征d″3，依次自底向上逐层迭代，直到第n-3尺度注意力模块融合解码特征dn-2、dn-1和融合特征d″n-3，得到融合特征d″n-2，作为渐进迭代融合模块的输出融合特征d″；S5、将解码特征dn-1与所述输出融合特征d″一并输入空间感知模块，输出糖尿病视网膜病变的硬渗出物预测概率图，包括：将所述解码特征dn-1和渐进迭代融合模块的输出融合特征d″作为输入特征输入空间感知模块，沿通道进行拼接，将拼接后的特征输入1×1卷积进行降维，再输入3×3卷积进行进一步特征融合，再输入softmax层分配注意力权重，得到空间注意力图M′1和M′2；将空间注意力图M′1和M′2与其对应的解码特征dn-1和融合特征d″相乘后再求和，最后输入1×1卷积进行特征聚合，输出决策特征图fuse；对决策特征图fuse进行转置卷积得到具有两个通道且与输入眼底图像大小相同的输出特征图，再将输出特征图输入softmax层，得到糖尿病视网膜病变的硬渗出物预测概率图。

全文数据：

权利要求：

百度查询： 苏州大学 一种糖尿病视网膜病变硬渗出物分割方法及装置