基于密集循环网络的视网膜图像分割方法

摘要：

针对视网膜血管在分割过程容易出现细节特征信息丢失、血管轮廓模糊等问题,提出一种改进的循环分割对抗网络算法.该算法改进了分割器的网络模型,在U型网络上、下采样过程中添加了密集连接结构,充分保留了图像的特征信息,提升了模型的泛化能力以及鲁棒性,缓解了过度分割现象.为防止网络退化,将损失函数替换为最小二乘函数,提高了图像的分割质量,提升了网络模型训练的稳定性.实验结果表明,本文的网络模型在DRIVE以及CHASE数据集中,两者分割的准确性、敏感性分别达到了96.93％、84.30％以及96.94％、79.92％.该算法具有较好的网络泛化能力以及分割准确率,可以为疾病诊断提供重要的依据.

关键词：视网膜血管分割;循环分割对抗网络;U型网络;密集连接结构;损失函数

所属期刊栏目：36

分类号：TP391.4;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金;国家重点研发计划重点专项;国家自然科学基金青年科学基金;陕西省教育厅专项科研计划

在线出版日期：2022-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1702-1711