基于密集注意力网络的视网膜血管图像分割

• 作者: 孙军 梅旭璋 江红
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像处理
• 页码范围: 267-272,279
• 页数: 7页
• 分类号: TP391
• 字数: 5232字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054379

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江红	华东师范大学计算机科学与软件工程学院	53	553	11.0	22.0
2	孙军	华东师范大学计算机科学与软件工程学院	10	51	4.0	7.0
3	梅旭璋	华东师范大学计算机科学与软件工程学院	1	0	0.0	0.0