一种基于深度学习U型网络框架的内窥镜荧光图像血管增强方法及自我-群体迭代升级装置

本发明公开了一种基于深度学习U型框架的内窥镜荧光图像血管增强方法及自我‑群体迭代升级装置。本发明包括以下步骤：从一台单机或若干台联网的成像装置获取原始荧光图像，应用自适应直方图均衡化算法等多种细节增强算法对原始荧光图像进行血管增强，得到目标图像（标签），将原始荧光图像以及目标图像（标签）作为数据的训练集，在本地或云端构建并训练U型血管增强卷积神经网络，将相机获取的原始荧光图像输入到训练完成的U型血管增强卷积神经网络中，得到血管增强后的图像。本发明提出的基于深度学习U型框架的内窥镜荧光图像的血管增强方法可以使荧光图像的血管细节得到有效增强。