(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 202210704945.6 (22)申请日 2022.06.21 (71)申请人 中国科学院宁波材 料技术与工程研 究所 地址 315201 浙江省宁波市镇海区中官西 路1219号 (72)发明人 张炯　许聪　郝华颖　马煜辉　 顾愿愿　赵一天　 (74)专利代理 机构 宁波甬致专利代理有限公司 33228 专利代理师 袁波 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 40/14(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于OCTA图像的血 管分割方法 (57)摘要 本发明提供了一种基于OCTA图像的血管分 割方法， 涉及图像处理技术领域， 本方法包括步 骤： S1： 通过预训练的自编码器网络对标签图像 进行编码， 得到标签隐向量特征； S2： 采用 SwinTransformer模 块对输入图像进行隐向量特 征的提取， 并通过最小二乘生成对抗网络， 将原 始图像的隐空间和分割标签的隐空间进行特征 对齐； S3： 将对齐后的隐向量特征由解码器网络 进行上采样并得到分割结果。 本方法能够实现对 OCTA图像中复杂血 管系统进行精准自动分割。 权利要求书2页 说明书6页 附图4页 CN 115082677 A 2022.09.20 CN 115082677 A 1.一种基于OCTA图像的血 管分割方法， 其特 征在于， 包括 步骤： S1： 通过预训练的自编码器网络对标签图像进行编码， 得到标签隐向量特 征； S2： 采用Swin  Transformer模块对输入图像进行隐向量特征的提取， 并通过最小二乘 生成对抗网络， 将原 始图像的隐空间和分割标签的隐空间进行 特征对齐； S3： 将对齐后的隐向量特 征由解码器网络进行 上采样并得到分割结果。 2.根据权利 要求1所述的基于OCTA图像的血管分割方法， 其特征在于， 所述步骤S1中预 训练的自编码器网络包括： 编码器结构和解码器结构； 每层编码器结构和解码器结构将残差模块和最大池化层作为基本架构； 自编码器网络 通过将输入的分割标签图像的特 征编码到隐向量空间， 然后再 经过解码器进行恢复； 其中， 自编码器网络的重建损失Lrecon为均方误差损失。 3.根据权利 要求1所述的基于OCTA图像的血管分割方法， 其特征在于， 所述步骤S2中隐 空间特征包括两个损失函数： 像素级的dice系数损失和特 征级的隐向量对齐损失函数； 像素级的dice系数损失函数 是一种计算重 叠区域的度量 函数， 定义 为： 其中， N表示像素的个数； p(k， i)∈[0， 1]和g(k， i)∈[0， 1]分别表示对应于第k个类别， 预测的概 率以及真实的像素类别； K表示需要分割的类别数； ωk表示第k个 类别的权 重。 4.根据权利要求3所述的基于OCTA图像的血管分割方法， 其特征在于， 所述最小二乘把 交叉熵损失函数 换做为最小二乘损失函数， 最小二乘损失函数的目标函数为： 其中， 和P分别表示期望和概率分布， D和G分别表示判别器和分割网络的编码器， x表 示标签编码的隐向量特 征， z表示输入的原 始图像。 5.根据权利要求1所述的基于OCTA图像的血管分割方法， 其特征在于， 所述步骤S3包 括： S31： 通过卷积块将输入的三种OCTA对应层面的横断面图像进行图像融合， 得到图像特 征信息； S32： 编码器提取融合后图像的浅层和深层特征， 并通过跳跃连接与解码器相结合， 将 编码器提取的各个层次的特征与解码 器上采样得到的特征相融合， 得到最终的血管分割结 果。 6.根据权利 要求1所述的基于OCTA图像的血管分割方法， 其特征在于， 将ResU ‑Net网络 作为基础网络， 将Swin  Transformer引入ResU ‑Net中组成新的编码器结构， 特征编码器的 编码步骤包括四个不同阶段， 每个阶段都由多个堆叠在一起的Swin  Transformer模块组成 的Transformer层和残差模块级联而成。 7.根据权利要求6所述的基于OCTA图像的血管分割方法， 其特征在于， 所述Swin   Transformer模块由一个基于窗口的多头自注 意力模块和一个基于移 位窗口的多头自注 意权　利　要　求　书 1/2 页 2 CN 115082677 A 2力模块以及两个多层感知器组成； 在每个多头自注意力模块和多层感知器之前应用层标准化层， 并在相应模块之后应用 残差连接 。 8.根据权利 要求7所述的基于OCTA图像的血管分割方法， 其特征在于， 所述三种OCTA对 应层面的横断面分别包括SVC、 DVC以及SVC结合DVC 。权　利　要　求　书 2/2 页 3 CN 115082677 A 3