基于三端注意力机制的视网膜血管分割算法

摘要：

视网膜血管的结构和形态是计算机辅助系统诊断眼科疾病的重要依据.针对细小血管分割精度低的问题,提出一种融合残差密集模块与三端注意力模块的改进型U-Net算法.首先,将残差模块与密集模块相结合,充分利用每层的特征,提高网络提取细小血管特征的能力.在解码阶段引入三端注意力模块,利用空间注意力机制自适应地对特征进行空间校正,抑制背景噪声,突出目标区域.同时,通过多尺度特征融合的方式,利用高级语义特征改善网络对细小血管的分割效果.最后,为获取血管的多尺度特征,在编码-解码网络结构中加入空洞卷积,在不增加参数的情况下增加感受野.基于DRIVE和STARE数据集的实验结果表明,所提出网络的灵敏度、特异性、准确率和AUC(area under curve)分别为81.26％/82.57％、98.20％/98.37％、96.70％/97.51％和98.12％/98.41％,优于现有先进算法.

关键词：计算机辅助系统、血管分割、U-Net、残差密集模块、空洞卷积、三端注意力模块

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62041302

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2505-2512