联合注意力和Transformer的视网膜血管分割网络

摘要：

视网膜血管分割在许多眼科疾病诊断和治疗方面至关重要.对复杂的视网膜结构及低对比度眼底图像来说,准确地分割视网膜图像的血管特征仍具有挑战性.联合注意力和Transformer的视网膜血管分割网络JAT-Net,通过对编码阶段特征的通道信息和位置信息联合关注增强编码局部细节特征,利用Transformer增强对长距离上下文信息和空间依赖关系建模的能力.在DRIVE和CHASE数据集上进行视网膜血管分割实验,其准确率分别为0.9706和0.9774,F1分数分别为0.8433和0.8154,在视网膜血管分割方面表现不错.

关键词：视网膜血管分割、卷积神经网络、注意力机制、Transformer

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;西北师范大学重大科研项目

在线出版日期：2022-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2037-2047