本发明公开了一种基于深度水平集学习的视杯视盘分割方法,包括以下步骤：S1、将眼底图像输入U型神经网络中,U型神经网络输出图像中每一个像素的水平集函数值,相应的零水平集是目标物体的轮廓；S2、使用水平集损失函数计算U型神经网络的输出与真实标注之间的误差并更新U型神经网络参数,该损失函数中引入了轮廓长度约束和区域一致性约束,使神经网络能够习得满足先验知识的水平集；S3、训练两个U型神经网络分别对视盘和视杯进行分割。本发明实现了高精度的视杯视盘分割方法,能够有效应用于自动诊断视网膜疾病。
科研之友
微信
新浪微博
Facebook
分享链接
