-
题名全尺度密集卷积U型网络的视网膜血管分割算法
- 1
-
-
作者
夏平
何志豪
雷帮军
彭程
王雨蝶
-
机构
三峡大学水电工程智能视觉监测湖北省重点实验室
三峡大学计算机与信息学院
-
出处
《计算机工程与设计》
北大核心
2024年第3期866-873,共8页
-
基金
国家自然科学基金项目(U1401252)
湖北省重点实验室开放基金项目(2018SDSJ07)。
-
文摘
针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题,提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息,构建级联卷积融合密集块(cascade convolutional fusion dense blocks, CCF-DB)作为U型网络的编解码器用以提取视网膜血管的特征信息;在网络最底端嵌入混合注意力级联卷积密集块(mixed attention cascaded convolutional dense block, MACC-DB),进一步提升感受野,获取更高维的语义特征信息;在模型的解码部分采用全尺度的跳跃连接,捕获不同尺度下的血管特征信息,提升模型的分割精度。实验结果表明,在DRIVE数据集上,相比于U-Net、U-Net3+、SA-Unet、FR-Unet等算法,此算法的AUC值达到了98.26%,准确率为95.82%;在CHASE-DB1数据集上,此算法的AUC值达98.84%,准确率达96.66%。采用此算法进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割达到了优良的效果。
-
关键词
医学图像分割
深度学习
视网膜血管分割
全尺度密集卷积
编解码结构
混合注意力
级联卷积
-
Keywords
medical image segmentation
deep learning
retinal vascular segmentation
full scale dense convolution
encoding and decoding structure
mixed attention
cascade convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
