CN119399035A 阴影恢复方法、模型训练方法、系统、介质、产品及设备 （山东大学）

及设备，对预处理后的OCT图像采用预训练的双训练图像进行扩充构建训练集；根据所述训练2对预处理后的OCT图像采用预训练的双阶段辅助梯度模型进行阴影恢复，得到阴影恢根据所述训练集，在第一阶段训练过程中，通过将整幅图片预测为对待匹配区域与模板区域的匹配区域进行均值检验，将模板区域的像素当T检验置信度小于或等于设定阈值时，取模板区域与待匹配区域的余弦相似度作为其中，Fli表示第i个辅助训练头的Focal_loss，DU表示第i个辅助训练头的Dice_loss，AUX_Fli为第i个辅助训练头的Focal_loss。第一阶段训练过程用于训练OSSNet模型，OSSNet模型用于对第二阶段训练过程中，以带阴影的自然图像以及人工合成阴影后的训练图像为输入，第二阶段训练过程用于训练OSRNet模型，所述OSRNet模型为Encode_Decode架构的阴3人工合成阴影，模拟分割模型掩码的轮廓形状：scomtur={(x1,y1),…,(xw,对生成区域赋予不同亮度，对填充区域进行高斯模糊以模拟亮度的不均匀性，包括：sarea=Gxereoxmask，xin=(0~1)sarea·xorignai，式中，sarea为不均匀阴影填充区根据所述训练集，在第一阶段训练过程中，通过将整幅图片预测为根据所述训练集，在第一阶段训练过程中，通过将整幅图片预测为对待匹配区域与模板区域的匹配区域进行均值检验，将模板区域的像素当T检验置信度小于或等于设定阈值时，取模板区域与待匹配区域的余弦相似度作为4,其中，表示第i个辅助训练头的Focal_loss，DU表示第i个辅助训练头的Dice_loss，AUX_Fli为第i个辅助训练头的Focal_loss。第二阶段训练过程中，以带阴影的自然图像以及人工合成阴影后的训练图像为输入，损失函数losr(x,y)为y1),…,(xw,yw)}，01=祭,ie(0,M+1)，其中，sconrur为生成轮廓点的集合，(xi,y)为生成轮廓点，A为控ry)为波动半径；对生成区域赋予不同亮度，对填充区域进行高斯模糊以模拟亮度的不均匀性，包括：sarea=Gxemeloxmask，xin=(0~1)sarea·xorignal，式中，sarea为不均匀阴影填充o表计算机可读存储介质，所述计算机可读存储介质中序，所述计算机程序适于被处理器加载并执行如权利要求1至8任一项所述的阴影恢复方5权利要求10_14所述的双阶段辅助梯度模型训6自动数值插补方法补偿视网膜阴影和基于GAN模型对阴影区域进行去噪和恢复。以上方法对预处理后的OCT图像采用预训练的双阶段辅助梯度模型进行阴影恢复，得到阴7当T检验置信度小于或等于设定阈值时，取模板区域与待匹配区域的余弦相似度[0010]作为本发明第一方面进一步的限定，第一阶段训练过程中，损失函数loss为：i个辅助训练头的Focal_[0011]作为本发明第一方面更进一步的限定，第一阶段训练过程用于OSSNet模型用于对训练图像进行多级特征,,其中，N为[0013]作为本发明第一方面更进一步的限定，第二阶段训练过程用于所述OSRNet模型为Encode_Decode架构的阴影括：sarea=Gxemeloxmask，xin=(0~1)sarea·xorignal，式中，sarea为不均匀阴影填充区域，Gremei为高斯核，xmask为sconrur点的集合填充后的均匀二值化掩码图像，o8[0018]一种双阶段辅助梯度模型训练方法，所述双阶段辅助梯度模型用于进行OCT图像[0020]一种双阶段辅助梯度模型训练系统，所述双阶段辅助梯度模型用于进行OCT图像9[0028]5、本发明提出了一种模拟眼部阴影区域人工合成方法，通过模拟眼部阴影构建对预处理后的OCT图像采用预训练的双阶段辅助梯度模型进行阴影恢复，得到阴不同阴影比例的B_Scan图像，由于B_Scan图像中血管粗细不均导致入射光吸收程度不同，值，i(x+x',y+y')为待匹配区域的像素样本均值，s(x,y)为模板区域样本标准差，SH(x+x,y+y')为待匹配区域样本标准差，N像素数量，T(x',y')为模板区域(x',y')点的像素值，I(x+x,y+y')为待值。值层面判定两者显著性差异大小，当P>0.05(即设定阈值)时认为模板区域像素与待匹[0041]更具体的，模板像素与待匹配区域亮度差辅助分割标注工具对B_Scan阴影区域进行标注。标注后的数据用于B_Scan阴影区域分割，y=cy+[ry+ACOS(f9)]cos(9)(6o表示3*3[0047]图3中，第一阶段是以Resnet50为主干特征提取网络构建各级特征联合的分割模入自注意力权重矩阵和交叉注意力权重矩阵实现各级特征与单张图像不同区域的参数计ls=-[ylogx+(1-y)log(1-x)]l(10)；示交叉熵损失函数，Fl表示Focal_loss，Dl表示Dice_loss，Fli表示第i个辅助训练头的Focal_loss，DU表示第i个辅助训练头的Dice_loss，AUX_Fli为第i个辅助训练头的的阴影分布规律(图4所示)进而加强对B_Scan图像中阴OnlyMemory，ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行实施例1所述的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造本实施例OnlyMemory，ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行实施例1所述的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造本实施例对预处理后的OCT图像采用预训练的双阶段辅助梯度模型进行阴影恢复，得到阴可以包括电子设备中的内置存储介质，当然也可以包括电子设备所支持的扩展存储介质。[0067]并且，在该存储空间中还存放了适于被处理器加载并执对预处理后的OCT图像采用预训练的双阶段辅助梯度模型进行阴影恢复，得到阴对预处理后的OCT图像采用预训练的双阶段辅助梯度模型进行阴影恢复，得到阴的任何可用介质或者是包含一个或多个可