(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211266750.4 (22)申请日 2022.10.17 (71)申请人 哈尔滨理工大 学 地址 150080 黑龙江省哈尔滨市南岗区学 府路52号 (72)发明人 李冰　吴少勇　刘侠　李广庆　 宋方影　嫣梦雨　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 张宏威 (51)Int.Cl. G06T 7/10(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/50(2006.01) (54)发明名称 基于改进Unet网络的视网膜血管分割网络、 分割方法、 计算机设备和存 储介质 (57)摘要 基于改进Unet网络的视网膜血管分割网络、 分割方法、 计算机设备和存储介质， 属于图像处 理技术领域， 解决对视网膜血管OCTA图像分割不 准确出现漏检 现象问题。 本发明的网络： 首先， 使 用不对称卷积边界细化模块(ACBR)从网络的编 码器端提取丰富的视网膜血管信息并对其进行 细化。 其次， 通道注意模块用于为那些分辨率较 低的血管赋予足够的权重， 防止它们在深度卷积 和池化操作下权重消失。 最后 在网络中加入一个 残差结构， 增加了网络的深度， 提高了网络的鲁 棒性， 防止了网络过拟合。 本发明适用于对视网 膜血管图像的分割。 权利要求书1页 说明书10页 附图7页 CN 115546227 A 2022.12.30 CN 115546227 A 1.一种基于改进Unet网络的视网膜血管分割网络， 所述视网膜血管分割网络包括： 编 码器、 解码器和跳跃 连接， 其特 征在于， 所述编码器包括 通道注意模块； 所述通道注意模块用于增 加血管特征的权重； 所述跳跃 连接包括 不对称卷积边界细化模块； 所述不对称卷积边界细化模块用于提取视网膜血 管的上下文信息和血 管边界信息； 所述不对称卷积边界细化模块包括： 不对称卷积边界模块、 concatenate模块和边界细 化模块； 不对称卷积边界模块包括若干条卷积通道， 每条卷积通道包括若干个卷积， 至少一条 卷积通道对应的卷积为非对称卷积； 所述 不对称卷积边界模块用于获取 所述上下文信息； 所述concatenate模块对所述 不对称卷积边界模块输出的若干个信息特 征进行融合； 所述边界细化模块对所述融合后的信息特 征进行细化， 获取 所述血管边界信息 。 2.根据权利要求1所述的一种基于改进Unet网络的视网膜血管分割网络， 其特征在于， 所述编码器还 包括残差路径。 3.根据权利要求1所述的一种基于改进Unet网络的视网膜血管分割网络， 其特征在于， 所述解码器包括残差路径。 4.根据权利要求2或3 中任一项所述的一种基于改进Unet网络的视网膜血管分割网络， 其特征在于， 所述残差路径由残差模块构成， 所述残差模块包括主分支和残差分支， 所述主 分支由两组串联的批正则化、 ReLu激活函数和卷积层构成。 5.根据权利要求1所述的一种基于改进Unet网络的视网膜血管分割网络， 其特征在于， 所述不对称卷积边界模块由三条卷积通道构成， 第一条通道由卷积核为 1×K和K×1的卷积 构成； 第二条通道由卷积核为K ×1和1×K的卷积构成； 第三条通道由卷积核为3 ×3和1×1 的卷积构成。 6.根据权利要求1所述的一种基于改进Unet网络的视网膜血管分割网络， 其特征在于， 所述边界细化模块采用残差结构。 7.根据权利要求1所述的一种基于改进Unet网络的视网膜血管分割网络， 其特征在于， 所述注意力通道模块包括全局最大池化、 全局平均赤化和多层感知机； 所述全局最大池化和全局平均赤化为并行， 并将输出发送到多层感知机， 所述多层感 知机的第一层由C /ratio神经元组成， 第二层由C神经 元组成。 8.一种基于改进 Unet网络的视网膜血 管分割方法， 其特 征在于， 所述方法包括： 步骤1、 获取视网膜血 管OCTA图像； 步骤2、 将所述视网膜血管OCTA图像输入权利要求1至7任一项所述的一种基于改进 Unet网络的视网膜血 管分割网络中， 获取 所述视网膜血 管OCTA图像的分割结果。 9.一种计算机设备， 包括存储器和处理器， 所述存储器中存储有计算机程序， 其特征在 于， 当所述处 理器运行 所述存储器存储的计算机程序时执 行权利要求8所述的方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有多条计 算机指令， 所述多条计算机指令用于使计算机执 行权利要求8所述的方法。权　利　要　求　书 1/1 页 2 CN 115546227 A 2基于改进U net网络的视网膜血 管分割网 络、 分割方 法、 计算机 设备和存储介质 技术领域 [0001]本申请涉及图像处 理技术领域， 尤其涉及视网膜血 管图像的分割。 背景技术 [0002]视网膜血管作为人体唯一的可观察到的末端血管。 准确的视网膜血管分割结果对 患者的早期诊断具有重要意 义。 [0003]随着深度学习在机器视觉中的广泛应用， 它在医学影像领域发挥着越来越重要的 作用。 卷积神经网络在图像分割、 分类和检测等处理领域取得了长足的进步。 这项工作旨在 通过深度学习实现视网膜血管的准确自动分割。 视网膜血管的特征与人类健康有显着相关 性。 例如， 视网膜血管直径是判断儿童心血管疾病的重要生物标志物。 视网膜血管的精确分 割目前由专 业医生进 行。 然而， 人工分割视网膜血管不仅费时费力， 而且受医生主观因素影 响较大。 因此， 视网膜血 管的自动和准确分割在医学成像领域引起了极大的研究兴趣。 [0004]光学相干断层扫描血管造影(OCTA)是一种新颖的成像方式， 它与光学相干断层扫 描(OCT)相比， 它无需注射造影剂即可获得毛细血管形态信息。 已广泛应用于眼科疾病的研 究， 在检测灵敏度和 准确率方面具有显着优势。 这种对眼睛的非侵入性检查可提供清晰的 视网膜血 管图像。 [0005]近年来， 视网膜分割可以分为两种类型， 传统的基于机器学习的方法和基于深度 学习的方法。 基于文本和阈值的传统方法用于OCT图像的分割 。 Adjeroh和Kan daswamy等人 通过提取纹理信息来区分血管和非血管像素。 Li等人提出了一种匹配滤波器来提取多尺度 血管， 可以在提取血管的同时有效抑制噪声。 Eladawi等人提出了一种组合的马尔科夫 ‑吉 布斯随机场(MGRF)模型， 用于从其他背景组织中分割视网膜血管。 在复杂的OCTA背景情况 下， 人工确定提取 特征的方法不能很好 地区分血 管和噪声。 [0006]但与大多数医学图像不同， OCTA图像中的视网膜血管背景复杂， 树状结构中血管 粗细交替叠加， 呈弯曲和不规则形状， 毛细血管占据的像素很少， 因此经常出现漏检现象发 生在分割过程中。 发明内容 [0007]本发明目的是为了解决现有对视网膜血管OCTA图像分割不准确出现漏检现象的 问题， 提供了基于改进Unet网络的视网膜血管分割网络、 分割方法、 计算机设备和存储介 质。 [0008]本发明是通过以下技术方案实现的， 本发明一方面， 提供一种基于改进Unet网络 的视网膜血 管分割网络， 所述视网膜血 管分割网络包括： 编码器、 解码器和跳跃 连接， [0009]所述编码器包括 通道注意模块； [0010]所述通道注意模块用于增 加血管特征的权重； [0011]所述跳跃 连接包括 不对称卷积边界细化模块；说　明　书 1/10 页 3 CN 115546227 A 3