基于动态权重分配的视网膜血管图像分割方法

本发明专公开了一种基于动态权重分配和指标引导优化的视网膜血管图像分割方法。包括将待分割视网膜血管图像输入LM‑TransUNet模型，获取图像分割可视化结果，其中，LM‑TransUNet模型基于训练集训练获得，训练集包括视网膜血管图像及相应的真值；基于训练集训练LM‑TransUNet模型过程中包括：通过EfficientNet和ResNet混合编码器模型对视网膜血管图像进行预测，根据预测结果和真值计算分割损失和性能指标损失，利用动态权重分配机制自适应融合多尺度特征，并通过指标引导优化模块实时调整网络参数，获取新的预测结果进行迭代，直至收敛，得到最终模型。本发明能够显著提高视网膜血管图像分割的准确性，尤其在复杂血管结构和细小血管的分割上表现优异。