基于多分支卷积神经网络的视网膜血管分割方法
现有Unet网络分割视网膜血管精度较低,为了更精确地分割出视网膜血管,提出一种基于多分支卷积神经网络的视网膜血管的分割方法.在原有UNet网络模型进行改进,即增加级联结构获取更多信息流,有利于复杂特征的提取,同时提出共享权重残差模块来优化模型.实验在DRIVE数据集上进行验证,实验结果表明所提的网络模型与Unet网络分割结果相比,在准确率、灵敏度等评价指标上均有所提升,显示出更好的性能.
图像处理;视网膜;血管分割;多分支卷积神经网络
17
TP183(自动化基础理论)
安徽省大学生创新创业训练项目;皖南医学院中青年科研基金
2022-03-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
88-90,93