一种基于启发式血管分段的弯曲度计算方法

本发明提供一种基于启发式血管分段的弯曲度计算方法，属于医学图像处理技术领域，利用深度学习模型从彩色眼底图像中提取高精度的视网膜血管分割掩码；采用Zhang‑suen算法对分割掩码进行骨架化处理，生成单像素宽度的血管骨架；基于启发式规则将血管骨架划分为独立的血管分支，克服主血管断裂及分支粘连问题，确保分段结果的连贯性和准确性；在分段后的血管分支中，通过检测曲率符号恒定区段，计算各分支的弯曲度参数，提升数字化场景下的弯曲度计算精度。本发明融合深度学习与形态学算法，解决了传统方法中误差累积问题，实现了从原始彩色眼底图像到血管形态量化参数的全自动化流程，为临床血管病变分析提供了高效、可靠的技术支持。