(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 202211161134.2 (22)申请日 2022.09.22 (71)申请人 闽江学院 地址 350121 福建省福州市闽侯县溪 源宫 路200号闽江学院行政楼B201 (72)发明人 李佐勇　严裴鑫　曹新容　宋李斌　 胡蓉　丁诗峰　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 陈明鑫　蔡学俊 (51)Int.Cl. G06T 7/13(2017.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 融合UNet和边缘检测模型的视网膜血管分 割方法 (57)摘要 本发明涉及一种融合UNet和边缘检测模型 的视网膜血管分割方法。 基于UNet网络， 将UNet 的普通卷积替换成混合空洞卷积， 增大感受野， 提取更多的特征； 另一方面， 使用UNet的编码器 部分替换HED的VGG ‑16， 使用边缘检测方法， 将血 管的轮廓展现出来， 最后结合HED的输出和经过 ASSP后的U Net分割的输 出得到最后的结果。 本发 明能够提高视网膜血 管的分割精度。 权利要求书1页 说明书4页 附图3页 CN 115457066 A 2022.12.09 CN 115457066 A 1.一种融合UNet和边缘检测模型的视 网膜血管分割方法， 其特征在于， 基于UNet网络， 将UNet的普通卷积替换成混合空洞卷积， 增大感受野， 提取更多的特征； 另一方面， 使用 UNet的编码器部分替换HED的VGG ‑16， 将血管的轮廓展现出来， 最后结合HED输出和经过 ASPP后的UNet分割的输出 得到最后的结果。 2.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分割方法， 其特征在 于， 所述UNet网络采用编码器 ‑解码器结构。 3.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分割方法， 其特征在 于， 还对UNet网络的基本组成结构Conv ‑BN‑ReLU中进行修改， 即在BN与ReLU之间添加 Dropout。 4.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分割方法， 其特征在 于， 所述使用UNet的编码器部分替换HED的VGG ‑16， 即利用UNet的编码器部分当做HED的骨 干网络， HED采用多尺度特征， 融合后的HED分支由四个通过拼接操作合并的边界分支组成， 每个边界分支的维数与原 始输入图像相同， 每 个输出的大小与原 始输入图像相同。 5.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分割方法， 其特征在 于， 所述经过ASPP后的UNet分割的输出， 即在UNet分割的输出后使用ASPP， ASPP通过使用多 个不同比例的空洞卷积利用多尺度特 征， 并将输出与H ED的输出相加。 6.根据权利要求1所述的融合UNet和边缘检测模型的视网膜血管分割方法， 其特征在 于， 该方法采用的损失函数为 二值交叉熵， 定义如下： 其中yi代表训练集中的真实标签， 表示的是预测的像素i所属的类别， N代表的是像素 的总数。权　利　要　求　书 1/1 页 2 CN 115457066 A 2融合UNet和边缘检测模型的视网膜血 管分割方 法 技术领域 [0001]本发明属于医学图像分割技术领域， 具体涉及一种融合UNet和边缘检测模型的视 网膜血管分割方法。 背景技术 [0002]眼底的视网膜血管提供了眼睛甚至整个身体健康的大量信息。 不同结构的视网膜 血管可以用来诊断某些疾病， 比如高血压或糖尿病。 高血压性视网膜病(HR)是由于长期高 血压的患者的动脉血压升高或者血管狭窄导致血管弯曲， 糖尿病视网膜病变(DR)则是由糖 尿病引起的， 可能伴 随着血管肿胀。 因此， 视网膜血管分割是诊断某些疾病的重要步骤， 精 确地分割视网膜血管是具有重要意义的。 目前， 分割视网膜血管主要分为两种方法： 手工分 割视网膜血管、 基于深度学习的方法。 视网膜血管分割完成后， 医生可以根据分割的血管结 构， 诊断病 人的一些疾病。 然而， 人工分割不仅要求专业人员拥有极高的专业能力， 而且还 是一项费时费力的工作。 基于深度学习的方法不仅可以节省人力和时间， 而且在精度上也 有着极大 的保证。 视网膜血管分割 是眼部疾病检测的基础， 血管分割的精度直接影响到后 续疾病诊断的准确性。 [0003]在拍摄的视网膜眼底图像中， 视网膜血管与背景颜色相近， 对比度低， 辨识起来有 些困难， 尤其是微血管部分， 与背景 的区分难度更大。 不仅如此， 现在的公共的视网膜眼底 图像数据集数量很少， 所以需要利用数据增强的方法， 比如随机旋转、 增加高斯噪声、 颜色 抖动以及水平、 垂 直和对角翻转等， 增加数据集的数量， 同时其中的一些方法可以提高血管 与背景的对比度， 从而提高分割的精度。 [0004]视网膜眼底血管分割的挑战在于： (1)视网膜数据集少； (2)血管与背景没有明显 的差异， 在不引入太多假阳性的情况下， 找到每一条血管是十 分困难的； (3)血管的连通性： 血管会因为外界的因素比如光照等 导致连通的血 管被分割成两段。 发明内容 [0005]本发明的目的在于提升视网膜血管的分割精度， 提供一种融合UNet和边缘检测模 型的视网膜血 管分割方法。 [0006]为实现上述目的， 本发明的技术方案是： 一种融合UNet和边缘检测模型的视网膜 血管分割方法， 基于UNet网络， 将UNet的普通卷积替换成混合空洞卷积， 增大感受野， 提取 更多的特征； 另一方面， 使用UNet的编码器部分替换HED的VGG ‑16， 将血管的轮廓展现出来， 最后结合H ED输出和经 过ASPP后的UNet分割的输出 得到最后的结果。 [0007]相较于现有技 术， 本发明具有以下有益效果： [0008]为了提高采集到的视网膜图像的血管分割精度， 特别是边缘的微血管的分割精 度， 本发明提出了一种结合边缘检测的UNet视网膜血管分割方法。 本发明主要基于UNet， 首 先使用混合空洞卷积替换UNet中的普通卷积， 增加感受野大小， 提取更多的图像特征， 对分 割后的输出使用Atrous  Spatial Pyramid Pooling(ASPP)。 另一边， UNet的编码器部分被说　明　书 1/4 页 3 CN 115457066 A 3