技術特征：

技術總結
基于深度學習與傳統方法相結合的視網膜血管分割方法，涉及計算機視覺以及模式識別領域。本發(fā)明將兩種灰度圖像都作為網絡的訓練樣本，針對視網膜圖像數據少的問題做了相應的數據擴增包括彈性形變，平滑濾波等等，擴大了該發(fā)明的廣泛適用性。本發(fā)明通過構建FCN?HNED的視網膜血管分割深度網絡，該網絡極大程度的實現了自主學習的過程，不僅可以分享整個圖像的卷積特征，減少特征冗余，又可以從抽象的特征中恢復出多個像素的所屬類別，分別將視網膜血管圖像的CLAHE圖和高斯匹配濾波圖分別輸入網絡使其得到的血管分割圖進行加權平均從而得到更好更完整的視網膜血管分割概率圖，該種處理方式極大程度的提高了血管分割的魯棒性與準確性。

技術研發(fā)人員：蔡軼珩;高旭蓉;邱長炎;崔益澤;王雪艷;孔欣然
受保護的技術使用者：北京工業(yè)大學
技術研發(fā)日：2016.12.27
技術公布日：2017.07.04