10.12068/j.issn.1005-3026.2021.01.002
多尺度卷积核U-Net模型的视网膜血管分割方法
针对病变视网膜血管结构的计算机辅助诊断问题,提出了一种多尺度卷积核U-Net模型的视网膜血管分割方法.在U-Net模型基础上设计了融合Inception模块和最大索引值上采样方法的多尺度卷积神经网络结构.在网络训练阶段,采取旋转、镜像等操作进行数据集扩充,运用CLAHE算法进行图像预处理;训练后得到的双通道特征图,进行Softmax归一化;最后通过改进的代价损失函数对归一化结果迭代优化,得到完整的视网膜血管分割模型.实验结果表明,所提方法在DRIVE数据集上分割的准确率达到0.9694,灵敏性达到0.7762,特异性达到0.9835,比U-Net模型具有更优的分割效果和泛化能力,与其他现存方法相比具有一定的竞争力.
视网膜血管、多尺度卷积核、U-Net模型、Inception模块、CLAHE算法
42
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目51607029,61836011
2021-01-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
7-14