基于改进Unet的视网膜血管分割

摘要：

由于当前主流视网膜分割网络存在视网膜粒度特征难以采集,细节容易丢失等问题.为了提高视网膜分割精度,提出了一种改进Unet模型的算法.在Unet模型的基础上将Unet上下采样中的原始卷积模块改为残差结构,改善特征采集效果;在下采样部分加入注意力机制(AG)模型,提高细小血管的分割率.算法在DRIVE数据库和STARE数据库都表现出较好的分割性能,较原始的Unet算法有一定的提升.

关键词：图像分割、视网膜、残差网络、注意力机制

所属期刊栏目：39

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家基金61873229

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：323-327