基于增量学习的视网膜血管分割与病变检测方法

本发明公开了一种基于增量学习的视网膜血管分割与病变检测方法。具体步骤为：首先，获取数据集STARE原始图像，对视网膜原始图像进行分割、数据增强等预处理；接着构建VGAT‑Net‑IL网络模型，该网络以编码‑解码对称结构为主干，通过自适应感受野模块模拟视觉皮层机制动态调节感受野，协同提取视网膜血管的局部细节与全局特征；同时，创新性融入动态双模态注意力模块，该模块引入可变卷积自适应调整采样位置，结合空间与通道注意力机制精准聚焦血管区域，在动态双模态注意力模块之后，引入贝叶斯语义关联模块，生成包含语义关联的特征，此外，为解决模型学习新病变特征时易遗忘旧知识的问题，引入增量学习技术训练模型。最终经测试得到高精度视网膜血管分割结果及病变检测结果，本发明提升视网膜血管分割精度与病变检测能力，为视网膜疾病诊断提供可靠的图像分析基础。