本发明涉及血管图像处理,具体地,涉及一种噪声标注的血管图像分割方法及系统。
背景技术:
1、目前针对噪声数据集的分割方法先利用置信度识别出噪声标签,然后采用像素重加权、多网络协同训练、可变形空间变换调整噪声像素级标签等方式降低噪声样本对模型的影响。由于噪声像素中包含的语义信息丰富,如果直接丢弃掉噪声像素或者是降低噪声像素的权重,则噪声像素中的信息无法得到充分地利用,并且对于标注困难、标签量少的数据集来说,会减少模型可学习的信息。而目前针对噪声标签的纠正方式对于分割目标为块状的图像效果较好,但是由于血管图像形态非常复杂且有一定的规律性,血管分支的粗细程度不一,传统的噪声标签处理方法对于血管标签的处理效果明显下降,且分割结果中细血管的分割效果较差。
2、而申请号为202211126578.2的中国发明:一种基于unet和transformer相融合的视网膜血管分割方法,其采用的技术方案包括以下步骤:步骤1,将待训练图像进行预处理获得预处理图像;步骤2,将预处理图像输入到基于unet和transformer相融合的视网膜血管分割模型中得到权重文件,该模型包括编码器、解码器以及融合注意力机制,所述编码器包括多流级联的卷积层、多个池化层和多个残差模块,每一个卷积层都使用残差模块,池化层设在两个卷积层单元之间;所述解码器包括级联的多个改进的基于扩展卷积的残差模块、多个上采样模块以及反卷积层,上采样模块设在两个相邻的改进的基于扩展卷积的残差单元之间;所述融合注意力机制将编码器中池化层的输出以及相邻流池化层的输出分别作为低层特征输入和高层特征输入,在第三层的融合注意力机制的高层特征输入是对应编码器池化层经过transformer模块形成的特征图;步骤3,加载权重文件,将测试的眼底图像输入到模型中得出视网膜血管分割结果。该方案并没有通过优化数据集的质量来提高图像分割的精度。
技术实现思路
1、为解决现有技术噪声标注的血管图像分割因血管图像复杂、人工标注困难、血管标签漏标错标导致血管分割准确性不足的问题,本发明提供了一种噪声标注的血管图像分割方法及系统,本发明采用的技术方案是:
2、本发明第一方面提供了一种噪声标注的血管图像分割方法,所述方法包括:
3、获取视网膜血管数据集;
4、将视网膜血管数据集中的噪声标签和对应的血管图像输入到预训练的噪声标签补全单元中,通过特征提取操作及特征融合进行标签补全处理,得到补全标签;
5、将所述补全标签和对应的血管图像输入到双流特征提取网络进行特征提取操作及特征融合,得到最终的图像分割结果。
6、作为一种优选方案,所述噪声标签补全单元的训练方法包括:
7、对所述视网膜血管数据集中的血管图像数据以及对应的标签进行数据增强处理;
8、筛选其中预设数量的干净标签;利用干净标签和对应的血管图像训练噪声标签补全单元。
9、作为一种优选方案,所述数据增强处理包括随机翻转处理以及亮度变化处理;其中,所述亮度变化处理的方法包括:
10、利用随机函数于预设的数值范围内生成随机数,以预设值为分界线,大于预设值则调暗,小于预设值则调亮,将所述视网膜血管数据集中的血管图像数据以及对应的标签进行亮度值变换,对应的表达式为:
11、s(o)=f(s(i))
12、其中,s(o)为处理后图像,s(i)为原始图像,f(·)为亮度变化函数。
13、作为一种优选方案,将视网膜血管数据集中的噪声标签和对应的血管图像输入到预训练的噪声标签补全单元中,通过特征提取操作及特征融合进行标签补全处理,得到补全标签的方法包括:
14、对所述噪声标签进行四次特征提取操作,得到第一标签特征图、第二标签特征图、第三标签特征图以及第四标签特征图;
15、对所述噪声标签对应的血管图像进行一次特征提取操作,得到第一图像特征图;
16、将第一标签特征图和所述第一图像特征图进行特征融合操作,得到第一融合特征图;对所述第一融合特征图进行特征提取操作,得到第一融合特征信息;
17、将所述第一融合特征信息和所述第二标签特征图进行特征融合操作,得到第二融合特征图;对所述第二融合特征图进行特征提取操作,得到第二融合特征信息;
18、将第二融合特征信息和所述第三标签特征图进行特征融合操作,得到第三融合特征图;对所述第三融合特征图进行特征提取操作,得到第三融合特征信息;
19、将第三融合特征信息和所述第四标签特征图进行特征融合操作,得到第四融合特征图;对所述第四融合特征图进行特征提取操作,得到第四融合特征信息;
20、对所述第四融合特征信息进行解码操作,得到补全标签。
21、作为一种优选方案,将所述补全标签和对应的血管图像输入到双流特征提取网络进行特征提取操作及特征融合,得到最终的分割结果的方法包括:
22、在双流特征提取网络的标签特征提取流中,对所述补全标签进行五次特征提取操作,得到第一补全标签特征图、第二补全标签特征图、第三补全标签特征图、第四补全标签特征图以及第五补全标签特征图;其中所述第五补全标签特征图经过解码操作,得到特征预测结果;最后采用所述补全标签作为所述标签特征提取流的监督信息,采用dice损失对所述标签特征提取流进行更新;
23、在双流特征提取网络的图像分割流中,对所述血管图像进行一次特征提取操作,得到第一血管图像特征图;
24、将所述第一补全标签特征图和所述第一血管图像特征图进行特征融合操作,得到第一补全融合特征图;对所述第一补全融合特征图进行特征提取操作,得到第一补全融合特征信息;
25、将所述第一补全融合特征信息和所述第二补全标签特征图进行特征融合操作,得到第二补全融合特征图;对所述第二补全融合特征图进行特征提取操作,得到第二补全融合特征信息;
26、将第二补全融合特征信息和所述第三补全标签特征图进行特征融合操作,得到第三补全融合特征图;对所述第三补全融合特征图进行特征提取操作,得到第三补全融合特征信息;
27、将第三补全融合特征信息和所述第四补全标签特征图进行特征融合操作,得到第四补全融合特征图;对所述第四补全融合特征图进行特征提取操作,得到第四补全融合特征信息;
28、将所述第四补全融合特征信息和所述第五补全标签特征图进行特征融合操作,得到第五补全融合特征图;
29、所述第五补全融合特征信息经过解码操作,得到图像分割结果;最后采用所述补全标签作为所述图像分割流的监督信息,采用dice损失对所述图像分割流进行更新。
30、本发明第二方面提供了一种噪声标注的血管图像分割系统,包括数据集获取模块、噪声标签补全模块、双流特征提取模块以及若干个特征融合模块;
31、所述数据集获取模块用于获取视网膜血管数据集;
32、所述噪声标签补全模块用于将视网膜血管数据集中的噪声标签和对应的血管图像输入到预训练的噪声标签补全单元中,通过特征提取操作及特征融合进行标签补全处理,得到补全标签;
33、所述双流特征提取模块用于将所述补全标签和对应的血管图像输入到双流特征提取网络进行特征提取操作及特征融合,得到最终的图像分割结果。
34、作为一种优选方案,将视网膜血管数据集中的噪声标签和对应的血管图像输入到预训练的噪声标签补全单元中,通过特征提取操作及特征融合进行标签补全处理,得到补全标签的方法包括:
35、对所述噪声标签进行四次特征提取操作,得到第一标签特征图、第二标签特征图、第三标签特征图以及第四标签特征图;
36、对所述噪声标签对应的血管图像进行一次特征提取操作,得到第一图像特征图;
37、将第一标签特征图和所述第一图像特征图通过特征融合模块进行特征融合操作,得到第一融合特征图;对所述第一融合特征图进行特征提取操作,得到第一融合特征信息;
38、将所述第一融合特征信息和所述第二标签特征图通过特征融合模块进行特征融合操作,得到第二融合特征图;对所述第二融合特征图进行特征提取操作,得到第二融合特征信息;
39、将第二融合特征信息和所述第三标签特征图通过特征融合模块进行特征融合操作,得到第三融合特征图;对所述第三融合特征图进行特征提取操作,得到第三融合特征信息;
40、将第三融合特征信息和所述第四标签特征图通过特征融合模块进行特征融合操作,得到第四融合特征图;对所述第四融合特征图进行特征提取操作,得到第四融合特征信息;
41、对所述第四融合特征信息进行解码操作,得到补全标签。
42、作为一种优选方案,将所述补全标签和对应的血管图像输入到预训练的双流特征提取网络进行特征提取操作,得到最终的分割结果的方法包括:
43、在双流特征提取网络的标签特征提取流中,对所述补全标签进行五次特征提取操作,得到第一补全标签特征图、第二补全标签特征图、第三补全标签特征图、第四补全标签特征图以及第五补全标签特征图;其中所述第五补全标签特征图经过解码操作,得到特征预测结果;然后采用所述补全标签作为所述标签特征提取流的监督信息;
44、在双流特征提取网络的图像分割流中,对所述血管图像进行一次特征提取操作,得到第一血管图像特征图;
45、将所述第一补全标签特征图和所述第一血管图像特征图通过特征融合模块进行特征融合操作,得到第一补全融合特征图;对所述第一补全融合特征图进行特征提取操作,得到第一补全融合特征信息;
46、将所述第一补全融合特征信息和所述第二补全标签特征图通过特征融合模块进行特征融合操作,得到第二补全融合特征图;对所述第二补全融合特征图进行特征提取操作,得到第二补全融合特征信息;
47、将第二补全融合特征信息和所述第三补全标签特征图通过特征融合模块进行特征融合操作,得到第三补全融合特征图;对所述第三补全融合特征图进行特征提取操作,得到第三补全融合特征信息;
48、将第三补全融合特征信息和所述第四补全标签特征图通过特征融合模块进行特征融合操作,得到第四补全融合特征图;对所述第四补全融合特征图进行特征提取操作,得到第四补全融合特征信息;
49、将所述第四补全融合特征信息和所述第五补全标签特征图通过特征融合模块进行特征融合操作,得到第五补全融合特征图;
50、所述第五补全融合特征信息经过解码操作,得到图像分割结果。
51、本发明第三方面提供了一种计算机可读存储介质,其上储存有计算机程序,所述计算机程序被处理器执行时实现前述的一种噪声标注的血管图像分割方法的步骤。
52、本发明第四方面提供了一种计算机设备,包括存储介质、处理器以及储存在所述存储介质中并可被所述处理器执行的计算机程序,所述计算机程序被处理器执行时实现前述的一种噪声标注的血管图像分割方法的步骤。
53、相较于现有技术,本发明有的有益效果是:
54、本发明通过将视网膜血管数据集中的噪声标签和对应的血管图像输入到噪声标签补全单元中进行标签补全处理,得到补全标签,减轻标签标注压力并提高了噪声数据集的质量;然后通过双流特征提取网络对所述补全标签和对应的血管图像进行特征提取,得到图像分割结果,实现了较高精度的血管图像分割。