基于深度学的眼底图像视网膜血管分割方法及系统

摘要

本发明公开了一种基于深度学的眼底图像视网膜血管分割方法及系统，包括：对训练集进行数据扩增，并对图像进行增强，用训练集训练卷积神经网络，先使用卷积神经网络分割模型对图像进行分割得到一个分割结果，用卷积神经网络的特征训练随机森林分类器，从卷积神经网络模型中抽取最后一层卷积层输出，并作为随机森林分类器的输入进行像素分类，得到另外一个分割结果，对两个分割结果进行融合得到最终的分割图像，与传统的血管分割方法相比，本方法用很深的卷积神经网络进行特征提取，提取的特征更加充分，分割的准确率和效率也更高。

主权项

基于深度学习的眼底图像视网膜血管分割方法，其特征在于：所述方法包括以下步骤：步骤1：对数据集中的眼底图像进行预处理；步骤2：用训练样本训练卷积神经网络；步骤3：从训练好的卷积神经网络中提取最后一层卷积输出特征训练随机森林分类器；步骤4：将卷积神经网络对像素的分类结果与随机森林分类器的分类结果进行融合；步骤5：利用训练好的卷积神经网络模型对测试样本进行分割，得到最终分割结果。