10.19678/j.issn.1000-3428.0054379
基于密集注意力网络的视网膜血管图像分割
视网膜血管的结构信息对眼科疾病的诊断具有重要的指导意义,对视网膜血管图像进行高效正确的分割成为临床的迫切需求.传统的人工分割方法耗时较长且易受个人主观因素的影响,分割质量不高.为此,提出一种基于密集注意力网络的图像自动分割算法.将编码器-解码器全卷积神经网络的基础结构与密集连接网络相结合,以充分提取每一层的特征,在网络的解码器端引入注意力门模块,对不必要的特征进行抑制,提高视网膜血管图像的分割精度.在DRIVE和STARE眼底图像数据集上的实验结果表明,与其他基于深度学习的算法相比,该算法的敏感性、特异性、准确率和AUC值均较高,分割效果较好.
图像分割、视网膜血管、全卷积神经网络、密集连接、注意力机制
46
TP391(计算技术、计算机技术)
数学工程与先进计算国家重点实验室开放基金2016A05
2020-04-21（万方平台首次上网日期，不代表论文的发表时间）
共7页
267-272,279
