基于集成分类型深度神经网络的视网膜眼底血管图像分割

• 作者: 蒋芸 王发林 张海
• 来源期刊: 计算机工程与科学
• 关键词: 深度学习 卷积神经网络 图像分割 集成学习
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 图形与图像
• 页码范围: 862-871
• 页数: 10页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2021.05.013

摘要

视网膜血管检测在眼底疾病的诊断和治疗中具有重要的临床价值.但是,由于眼底图像特征的复杂性和多样性,大部分的视网膜分割方法存在血管分割性能低、抗噪声干扰能力弱和对病灶敏感等问题,为此,提出了一种集成深度分类神经网络对像素点分类的方法.首先利用不同的残差网络模型来分类像素点,获得血管分割图像;然后通过集成学习的方法对各个模型的分割结果进行处理,获得最终的视网膜血管分割图像.在STARE、DRIVE和CHASE数据集上的实验仿真结果显示,分割准确率分别达到97.36％,95.57％,96.36％,特异性分别达到98.06％,97.76％,97.84％,F-measure分别达到84.98％,82.25％,79.87％.比R2U_Net的F-measure分别提高了0.23％,0.54％,0.59％.