买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆师范大学申请的专利一种基于注意力机制的OCTA图像视网膜血管分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115294075B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210960639.9，技术领域涉及：G06T7/00；该发明授权一种基于注意力机制的OCTA图像视网膜血管分割方法是由崔少国;文浩;张宇楠;柳耘豪;杨泽华设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本一种基于注意力机制的OCTA图像视网膜血管分割方法在说明书摘要公布了：本发明提供一种基于注意力机制的OCTA图像视网膜血管分割方法，包括以下步骤：由不同尺度的主干特征提取器、结构特征提取器、加强特征提取器和分类器组成的带注意力机制的卷积神经网络分割模型搭建，模型训练与参数优化以及基于OCTA的视网膜血管结构的快速定位与精确分割。本方法通过搭建深度学习混合模型，在分割过程中使用大卷积核的深度可分离卷积层进行特征提取的同时，采用全新的下采样方式减少图像边框处血管重要信息的丢失，并引入空间通道注意力模块即STAM模块，用于更好的学习不同尺度特征图的空间通道信息，捕获完整的血管结构，实现OCTA视网膜血管图像的快速精确分割。

本发明授权一种基于注意力机制的OCTA图像视网膜血管分割方法在权利要求书中公布了：1.一种基于注意力机制的OCTA图像视网膜血管分割方法，其特征在于，包括以下步骤： S1、带注意力机制的卷积神经网络分割模型搭建： S11、带注意力机制的卷积神经网络分割模型由不同尺度的主干特征提取器、结构特征提取器、加强特征提取器和分类器组成，所述不同尺度的主干特征提取器用于对基于OCTA眼底图像的视网膜血管特征图进行四次下采样，分别得到输入特征图大小比例为14、116、164、1256共四种不同尺度大小的血管特征图，对四种不同尺度大小的血管特征图进行血管细节特征提取，并按照特征图大小由大到小的顺序串行连接；所述结构特征提取器用于对主干特征提取器得到的14和116血管特征图在和加强特征提取器中对应比例特征图进行通道拼接之前，对血管的结构特征进行精确提取；所述加强特征提取器用于对主干特征提取器所得到的1256高阶特征图进行上采样，将特征图大小比例逐步还原为164、116、14和11，还原的同时针对不同比例大小的特征图进行血管细节特征提取；所述分类器用于根据从不同尺度大小的特征图中所提取的血管特征对像素的标签进行分类；分割网络的输入为三通道，输出为两通道，输入图像尺寸大小和输出图像尺寸大小都是512×512，能实现端对端的语义分割； S12、所述不同尺度的主干特征提取器包括八个卷积层组、四个临近块合并层和四个颈口卷积层，每两个卷积层组后设置一个临近块合并层，四个颈口卷积层位于最后一个临近块合并层之后，每个卷积层组由一个卷积核大小为7×7、步长为1的逐通道卷积层和一个卷积核大小为1×1、步长为1的逐点卷积层组成；所述结构特征提取器包括两个注意力层，每个注意力层包括通道注意力子模块和空间注意力子模块；所述加强特征提取器包括八个卷积层组和四个上采样层，每个上采样层后设置两个卷积层组，每个卷积层组由一个卷积核大小为7×7、步长为1的逐通道卷积层和一个卷积核大小为1×1、步长为1的逐点卷积层组成；所述分类器由一个类别预测层和一个回归层组成，回归层将类别预测分值转换成概率分布； S2、模型训练与参数优化： S21、采用Xavier方法对步骤S1搭建的带注意力机制的卷积神经网络分割模型参数进行初始化； S22、将数据预处理和在线增强后的带视网膜血管分割标签的视网膜血管数据集按7：2：1比例划分为训练集、验证集和测试集，采用10折交叉验证来对网络分割模型进行预训练； S23、将同一视网膜血管切面的OCTA图像输入网络，通过网络前向计算生成视网膜血管分割结果，所述网络前向计算包括卷积操作、非线性激励、概率值转换和多头注意力计算； S24、采用分类交叉熵损失函数作为分割网络优化目标，目标函数定义如下： ， 其中，是分类网络参数，是分割标签，是预测的概率，为图像像素的个数，为像素类别数，为正则化项，为正则化因子，为模型参数个数； S25、优化函数： 采用随机梯度下降算法优化目标函数，运用误差反向传播更新视网膜血管分割网络模型参数，具体优化过程如下： ， ， ， 其中，表示迭代次数，表示梯度计算，对应于步骤S24目标函数中的，为当使用为网络参数时的损失函数，、和分别为梯度、动量和动量系数，是学习率； S3、基于OCTA的视网膜血管结构的快速定位与精确分割： S31、将基于OCTA的眼底图像顺序进行数据预处理和在线增强处理，得到处理后的图像； S32、将进行在线增强处理后的图像作为三通道输入送入由主干特征提取器、结构特征提取器和加强特征提取器组成的特征提取器中进行特征提取，自动定位并输出重构的视网膜血管图像特征图； S33、将重构后的视网膜血管图像特征图输入分类器中，采用滑动窗口的方式对特征图像素进行逐个预测，生成两张与原始图像大小相同的像素标签预测分值图； S34、使用函数将预测分值转换成概率分布； S35、取每个像素最大概率所在的下标分量作为像素类别标签，实现血管结构快速定位的同时得到视网膜血管分割结果二值图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆师范大学，其通讯地址为：401331 重庆市沙坪坝区大学城中路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。