改进U-Net模型的眼底图像渗出液分割

• 作者: 傅迎华 刘俊涛 杨振宇
• 来源期刊: 软件
• 学科: 工学
• 关键词: 计算机视觉 深度学习 U-Net 残差网络 密集网络 渗出液分割
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 基金项目论文
• 页码范围: 6-10,17
• 页数: 6页
• 分类号: TP391.41
• 字数: 3884字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2020.03.002

摘要

医学图像分割在应用的时候对精度有着苛刻的要求,传统算法对于像素级别的图像分割任务来说效果不佳,针对视网膜眼底图像中渗出液的特征复杂程度高,提出了三种改进的U-Net模型来避免分割效率低、分割精度不足的问题.首先改进经典的U-Net模型,训练了一个基础模型作对比,同时为了防止过拟合、梯度弥散等问题,将残差网络与密集网络的卷积结构作为特征提取器引入U-Net模型中,新的ResU-Net和DenseU-Net模型结合了两者优势,提高了网络的泛化能力.实验在Kaggle数据集上进行交叉验证,发现ResU-Net模型的灵敏度(SE)最高,达到了85.0％,DenseU-Net模型的特异性(SP)、准确度(AC)最高,分别达到了99.5％、99.2％.本文所设计的三种改进U-Net模型在渗出液分割中,DenseU-Net模型综合了密集网络模型和U-Net模型各自的优点,取得了最好的分割效果,其AUC值为0.9905.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅迎华	上海理工大学光电信息与计算机工程学院	28	165	5.0	12.0
2	杨振宇	上海理工大学光电信息与计算机工程学院	3	0	0.0	0.0
3	刘俊涛	江西理工大学机电工程学院	2	0	0.0	0.0