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：长春理工大学

摘要：本发明属于眼科疾病图像分析技术领域，具体涉及一种基于深度学习的眼底图像视杯视盘分割方法及其系统。步骤1：获取眼底彩照图像形成数据集，并对数据集中的数据进行图像增强，将增强后的数据集分为训练集与验证集；步骤2：构建U型网络，所述U型网络包括一个压缩编码器路径和三个可扩展解码器路径；步骤3：将步骤1的训练集输入到步骤2构建的U型网络中，对U型网络进行训练；步骤4：将步骤3训练后的U型网络利用步骤1的验证集进行验证，采用验证后的U型网络实现眼底图像视杯视盘分割。本发明用以解决现阶段青光眼诊断中存在的距离图估计任务使模型错误分类的问题。

主权项：1.一种基于深度学习的眼底图像视杯视盘分割方法，其特征在于，所述的眼底图像视杯视盘分割方法包括以下步骤：步骤1：获取眼底彩照图像形成数据集，并对数据集中的数据进行图像增强，将增强后的数据集分为训练集与验证集；步骤2：构建U型网络，所述U型网络包括一个压缩编码器路径和三个可扩展解码器路径；步骤3：将步骤1的训练集输入到步骤2构建的U型网络中，对U型网络进行训练；步骤4：将步骤3训练后的U型网络利用步骤1的验证集进行验证，采用验证后的U型网络实现眼底图像视杯视盘分割；所述步骤4具体为，步骤4.1：通过create_validation_arg_parser.parse_args创建并解析命令行参数，存储在args中；构造验证数据集的路径val_path；定义模型文件路径model_file，定义保存路径save_path，定义模型类型model_type；步骤4.2：获取CUDA设备号cuda_no；根据cuda_no构建CUDA设备选择字符串CUDA_SELECT，如果cuda_no是"cuda:0"，则CUDA_SELECT为"cuda:0"；如果cuda_no是"cuda:1"，则CUDA_SELECT为"cuda:1"，以此类推；使用torch.cuda.is_available函数检查当前系统是否支持CUDA，如果支持，则选择CUDA设备；否则，选择CPU设备；根据选择的设备，将其设置为所使用的默认设备；使用glob.glob函数根据给定的路径val_path获取所有符合指定文件扩展名的文件名，并将结果存储在列表val_file_names中；创建一个验证数据加载器valLoader，使用DataLoader类，其中的数据集是通过DatasetImageMaskContourDist类构建的，传入验证数据文件名列表val_file_names和距离类型"dist_contour"；步骤4.3：使用os.path.existssave_path函数检查指定的保存路径save_path是否存在；如果保存路径不存在，则使用os.mkdirsave_path函数创建该路径；调用build_modelmodel_type函数构建模型，根据指定的模型类型model_type来选择构建相应的模型；将构建好的模型移动到指定的设备上，使用model.todevice函数；使用torch.load函数加载预训练模型参数，参数来自指定的文件路径，并将加载的参数应用到模型中；调用model.eval方法将模型设置为评估模式；步骤4.4：使用enumeratetqdmvalLoader遍历验证数据加载器valLoader中的每个批次数据；将输入数据inputs输入到模型中进行推理，得到模型的三个输出outputs1、outputs2、outputs3；将模型的输出数据从设备中取出，并转换为NumPy数组；根据模型输出的结果，生成相应的掩码图res；通过np.argmax函数找到具有最大概率的类别的索引，然后根据索引将像素值设为对应的类别；构建掩码图像的保存路径output_path，将其命名为"mask_"+原始图像文件名，并将掩码图像保存到指定的保存路径中；最后使用OpenCV的cv2.imwrite函数将掩码图像保存为图像文件。

全文数据：

权利要求：

百度查询： 长春理工大学 基于深度学习的眼底图像视杯视盘分割方法及其系统