基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于注意力机制的全景分割网络
全景分割
背景类实例重叠
三重态注意力机制
语义增强注意力机制
一种浅层非对称结构的视网膜血管分割网络
视网膜血管分割
非对称结构
残差注意力模块
多尺度空洞卷积
基于改进的U-Net眼底视网膜血管分割
U型网络
视网膜
血管分割
形态学滤波
基于残差双注意力U-Net模型的 CT图像囊肿肾脏自动分割
CT图像
囊肿肾脏分割
深度网络分割模型
注意力机制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于密集注意力网络的视网膜血管图像分割
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (24)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2017(8)
  • 参考文献(2)
  • 二级参考文献(6)
2018(4)
  • 参考文献(1)
  • 二级参考文献(3)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
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
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
论文1v1指导