期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
DouDil-UNet++:基于Dil-UNet++网络的双分支编码器视网膜血管分割网络模型
1
作者 米文辉 佘海州 李鹤 《图像与信号处理》 2024年第3期311-327,共17页
视网膜血管的精确分割对于辅助医生在临床诊断眼科疾病具有重要意义。针对眼底视网膜血管图像中对比度不足、噪声干扰多、血管细节不明显等问题,在Dil-UNet++网络的基础上进行改进提出了DouDil- UNet++网络对视网膜血管进行准确分割。... 视网膜血管的精确分割对于辅助医生在临床诊断眼科疾病具有重要意义。针对眼底视网膜血管图像中对比度不足、噪声干扰多、血管细节不明显等问题,在Dil-UNet++网络的基础上进行改进提出了DouDil- UNet++网络对视网膜血管进行准确分割。本文提出的DouDil-UNet++网络采用了双分支编码器U形结构,Dil-UNet++作为主分割网络提取视网膜血管图像的空间细节特征信息,Tr-Net作为辅分割网络用于提取视网膜血管图像的全局语义特征信息;在Tr-Net辅分割网络中使用由五层卷积组成的特征序列化模块与使用边缘多头注意力的Transformer特征提取模块来提取图像的全局特征信息;同时使用特征融合模块对主分割网络与辅分割网络提取的特征信息进行聚合。为了验证网络的分割效果,在DRIVE和STARE视网膜血管数据集上进行了分割实验,在DRIVE数据集上该模型的Dice系数、准确度和精确度分别达到87.93%、96.39%和93.52%;在STARE数据集上该模型的Dice系数、准确度和精确度分别达到88.71%、97.79%和87.08%。结果表明本文提出的网络在分割视网膜血管图像任务中有着良好的性能,有一定的使用价值。 展开更多
关键词 Dil-UNet++ 注意力机制 TRANSFORMER 视网膜血管分割
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部