一种基于超像素和生成对抗网络的视网膜血管分割方法

• 作者: 张天慧 徐睿 李孟歆 郝佳丽 陈莉
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 生成对抗网络 空洞空间金字塔池化 超像素 深度学习 视网膜血管分割
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 生物医药与生物医学工程
• 页码范围: 21-28
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.12146/j.issn.2095-3135.20200707001

摘要

针对传统视网膜图像血管分割中部分血管轮廓粗糙、血管末梢和分支细节丢失等问题,提出一种结合线性谱聚类超像素与生成对抗网络(Generative Adversarial Networks,GAN)的视网膜血管分割方法.该方法首先对GAN进行改进,采用空洞空间金字塔池化模块的多尺度特征提取来提高GAN分割精度,在获得视网膜血管分割图像后,利用线性谱聚类超像素分割的边缘贴合性高、轮廓清晰的特点,将GAN输出图像映射到超像素分割图再对像素块进行分类,以达到分割的效果.仿真实验结果表明,与传统的视网膜血管分割方法相比,该方法在灵敏度和准确性上有一定提升,轮廓边缘细节方面有着更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈莉		10	25	4.0	4.0
2	李孟歆		78	244	9.0	13.0
3	徐睿		2	0	0.0	0.0
4	张天慧		1	0	0.0	0.0
5	郝佳丽		1	0	0.0	0.0