基于改进U-Net网络的眼底血管图像分割研究

• 作者: 何晓云 许江淳 陈文绪
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 血管图像分割 U-Net网络 残差块 注意力机制 空洞卷积
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 202-208
• 页数: 7页
• 分类号: TP391|TN911.7
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003781

摘要

针对眼底血管图像存在血管细小、视网膜病变而导致分割精度低的问题,提出了一种引入残差块、级联空洞卷积、嵌入注意力机制的U-Net视网膜血管图像分割模型.首先采用提高视网膜图像分辨率,以点噪声为中心、512为边长裁剪来扩增数据集,然后在U-Net模型中引入残差块,增加像素特征的利用率和避免深层网络的退化;并将U-Net网络的底部替换为级联空洞卷积模块,扩大特征图的感受野,提取更丰富的像素特征;最后在解码器中嵌入注意力机制,加重目标特征的权重,减缓无用信息的干扰.基于CHASE数据集的实验结果表明,所提模型的准确率达到了98.2％,灵敏度达到了81.72％,特异值达到了98.90％,与其他多尺度神经网络方法相比体现了更好的分割效果,充分验证了提出改进的U-Net网络模型能有效提高血管分割精度、辅助确诊血管病变.