-
题名改进U-Net深度网络的视网膜血管分割算法
被引量：2
- 1
-
-
作者
曲小波
余粟
-
机构
上海工程技术大学电子电气工程学院
上海工程技术大学工程实训中心
-
出处
《中国医学物理学杂志》
CSCD
2023年第10期1212-1219,共8页
-
基金
国家科技部“十二五”支撑计划(2015BAF10B00)。
-
文摘
为了解决U-Net算法在分割眼底图像时无法分割末梢微小血管和无法处理噪声干扰等问题,提出了一种改进的视网膜血管分割算法。首先,在U-Net算法中引入通道强化残差网络,用以优化U-Net架构,使得网络识别更多视网膜微血管。其次,引入空间注意力网络来排除噪声,更好地突出血管。最后,在损失函数的计算中,使用动态权重代替U-Net算法的固定权重,迫使神经网络能够学习一个稳健的特征映射。将改进的算法在DRIVE数据集上进行实验,实验结果表明本文分割算法的准确性和敏感性大幅提高。比原U-Net算法准确性和敏感性分别提高了2.12%和7.51%,比DCU-Net准确性和敏感性分别提高了1.20%和2.55%。
-
关键词
医疗图像分割
深度学习
通道强化残差网络
空间注意力网络
动态损失函数
-
Keywords
medical image segmentation
deep learning
channel enhancement residual network
spatial attention network
dynamic loss function
-
分类号
R318
[医药卫生—生物医学工程]
TP391
[医药卫生—基础医学]
-
