本發明涉及醫學(xue)圖像處理和深度學(xue)習領域，特別涉及基于transformer的視網膜血管(guan)分割方法。

背景技術：

1、眼睛作(zuo)為人(ren)(ren)體(ti)接收(shou)和(he)(he)感(gan)知(zhi)外界信息(xi)(xi)最重要(yao)的(de)(de)器官之一(yi)(yi)，是(shi)人(ren)(ren)類直(zhi)觀獲取絕大(da)部(bu)(bu)(bu)分(fen)信息(xi)(xi)的(de)(de)重要(yao)來(lai)源(yuan)，它在人(ren)(ren)們日常的(de)(de)生(sheng)活、學習、工作(zuo)中均起(qi)著(zhu)不(bu)可替代的(de)(de)作(zuo)用(yong)，因此(ci)眼部(bu)(bu)(bu)的(de)(de)健康(kang)狀(zhuang)況至關重要(yao)。視網(wang)膜是(shi)眼睛最主要(yao)的(de)(de)組成部(bu)(bu)(bu)分(fen)之一(yi)(yi)，研(yan)究表明(ming)除視網(wang)膜本身疾(ji)病所引起(qi)的(de)(de)病變以外，絕大(da)部(bu)(bu)(bu)分(fen)眼科方(fang)面(mian)的(de)(de)疾(ji)病都伴隨著(zhu)視網(wang)膜的(de)(de)病變，同(tong)時視網(wang)膜病變還和(he)(he)一(yi)(yi)些常見的(de)(de)疾(ji)病如糖尿病、高(gao)血(xue)壓等(deng)有(you)著(zhu)密切的(de)(de)聯系。視網(wang)膜血(xue)管(guan)是(shi)人(ren)(ren)體(ti)唯一(yi)(yi)可以不(bu)通過(guo)創(chuang)傷的(de)(de)方(fang)式直(zhi)接觀察到的(de)(de)血(xue)管(guan)，其具備的(de)(de)一(yi)(yi)些物理特(te)性，如寬度、長度、彎(wan)曲(qu)程度、細微血(xue)管(guan)彎(wan)曲(qu)形(xing)態等(deng)，十分(fen)有(you)利于各種(zhong)眼科和(he)(he)心腦血(xue)管(guan)疾(ji)病的(de)(de)篩(shai)查、診斷(duan)和(he)(he)治(zhi)療，因此(ci)對視網(wang)膜眼底血(xue)管(guan)結構的(de)(de)研(yan)究與(yu)分(fen)析，對于幫助(zhu)醫生(sheng)臨床診斷(duan)有(you)著(zhu)重大(da)的(de)(de)意義。

2、近些年隨(sui)著人(ren)工智能的(de)(de)(de)(de)不斷崛起，人(ren)們開(kai)始使用(yong)深(shen)度(du)學(xue)習技(ji)術(shu)來取代過去傳統的(de)(de)(de)(de)圖(tu)像處理技(ji)術(shu)，并取得(de)了(le)很好的(de)(de)(de)(de)效果，許多(duo)(duo)問(wen)題的(de)(de)(de)(de)解決方案都有了(le)不同程度(du)的(de)(de)(de)(de)改(gai)善。unet是生物醫(yi)學(xue)應用(yong)語義分(fen)(fen)(fen)(fen)割(ge)(ge)(ge)領域(yu)非常流(liu)行(xing)的(de)(de)(de)(de)深(shen)度(du)學(xue)習框(kuang)架，但(dan)對于(yu)視(shi)(shi)網膜血(xue)管(guan)這種精(jing)(jing)細分(fen)(fen)(fen)(fen)割(ge)(ge)(ge)任務(wu)仍具有一定的(de)(de)(de)(de)挑(tiao)戰。u-net++在(zai)unet的(de)(de)(de)(de)基礎上加入密集的(de)(de)(de)(de)跳躍連接，減少了(le)編碼器和(he)解碼器的(de)(de)(de)(de)語義差(cha)距，在(zai)視(shi)(shi)網膜血(xue)管(guan)分(fen)(fen)(fen)(fen)割(ge)(ge)(ge)任務(wu)上有著更好的(de)(de)(de)(de)表現。近年來，許多(duo)(duo)研究將(jiang)(jiang)transformer應用(yong)到醫(yi)學(xue)語義分(fen)(fen)(fen)(fen)割(ge)(ge)(ge)中(zhong)，并將(jiang)(jiang)transformer和(he)cnn相結合得(de)到更好的(de)(de)(de)(de)分(fen)(fen)(fen)(fen)割(ge)(ge)(ge)效果，其中(zhong)利(li)用(yong)cnn提(ti)取淺層(ceng)信息、利(li)用(yong)transformer提(ti)取深(shen)層(ceng)信息。由(you)于(yu)視(shi)(shi)網膜血(xue)管(guan)細節(jie)較多(duo)(duo)，且(qie)形狀不規則，為了(le)提(ti)升分(fen)(fen)(fen)(fen)割(ge)(ge)(ge)精(jing)(jing)度(du)，本(ben)發明提(ti)出一種transformer和(he)unet++相結合的(de)(de)(de)(de)視(shi)(shi)網膜分(fen)(fen)(fen)(fen)割(ge)(ge)(ge)模型(xing)。

技術實現思路

1、本發明(ming)目的(de)在于(yu)提供基于(yu)transformer的(de)視網膜血(xue)管(guan)分割方(fang)法，通過提高對深層(ceng)網絡(luo)的(de)特征提取能力達到對細小血(xue)管(guan)更(geng)好(hao)的(de)分割效果。

2、如圖1所(suo)示，為了實現以上(shang)目的(de)，本發明所(suo)采用的(de)技(ji)術方案包括以下步驟：

3、s1、獲取(qu)公開視網(wang)膜血管數據集(ji)drive數據集(ji)。

4、s2、對公開(kai)的視網膜血(xue)管數(shu)據集(ji)drive數(shu)據集(ji)進行(xing)數(shu)據集(ji)的劃(hua)分，隨機分20張作為(wei)訓練(lian)集(ji)和20張作為(wei)測試集(ji)。

5、s3、對(dui)drive數(shu)據(ju)集進(jin)行(xing)數(shu)據(ju)預(yu)處理(li)，提高圖(tu)像對(dui)比度，為進(jin)一步的視網(wang)膜血管(guan)分割打下基礎(chu)。

6、s4、對預處理之后的數據(ju)集進(jin)行(xing)擴(kuo)增(zeng)。

7、s5、設計(ji)transformer卷(juan)積塊(kuai)(kuai)，利用transformer卷(juan)積塊(kuai)(kuai)代(dai)替傳(chuan)統(tong)卷(juan)積塊(kuai)(kuai)提高模(mo)型(xing)特征提取(qu)的能力。

8、s6、在跳躍連接階段引入殘差(cha)cbam注意(yi)力(li)機(ji)制，更好的融合(he)語(yu)義信息和(he)全局上(shang)下文信息。

9、s7、使用(yong)pytorch深度(du)學習框(kuang)架搭建(jian)視網膜血管(guan)分割模型。

10、s8、將預處(chu)理(li)后的(de)數據集放入搭(da)建(jian)的(de)視網膜血(xue)管分(fen)割模型中(zhong)進(jin)行訓練。

11、s9、訓(xun)練模型得(de)到最(zui)好的訓(xun)練參(can)數，并將測試集輸(shu)入到訓(xun)練好的模型中進(jin)行訓(xun)練，得(de)到最(zui)后(hou)的分割圖(tu)。

12、s10、通(tong)過對人(ren)工(gong)分(fen)割(ge)的(de)視網膜(mo)血(xue)管(guan)圖進行比較(jiao)，計算一系列的(de)評價指標(biao)。

技術特征：

1.基(ji)于transformer的視網(wang)膜血管分割方法，其特征在于，所述方法包括以下步驟(zou)：

技術總結
本發明提出基于Transformer的視網膜血管分割方法。獲取公開數據集并對數據集進行劃分，劃分為訓練集和測試集，同時對數據集進行預處理和數據集擴增。以UNet++結構為基本分割結構，設計Transformer卷積塊，利用Transformer卷積塊代替傳統卷積塊提高模型特征提取的能力，并在跳躍連接階段引入殘差CBAM注意力機制，更好的融合語義信息和全局上下文信息。通過PyTorch深度學習框架搭建視網膜血管分割模型，將預處理后的數據集放入搭建的視網膜血管分割模型中進行訓練，保存最優參數對測試集進行分割得到最終分割圖。本發明使用DRIVE數據集驗證所提出的網絡對視網膜血管分割的有效性，且具有較優的分割性能。

技術研發人員：婁雙,李仲生
受保護的技術使用者：桂林理工大學
技術研發日：
技術公布日：2024/10/10