基于GAN的少样本视网膜血管分割研究

• 作者: 张思杰 方翔 魏赋
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 视网膜血管分割 生成对抗网络 少样本学习 类不平衡
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 132-142
• 页数: 11页
• 分类号: TP391|TH786
• 语种: 中文
• DOI: 10.13382/j.jemi.B2103943

摘要

视网膜血管分割是自动筛查糖尿病视网膜病变的重要步骤,当前大部分深度学习方法都使用大样本进行网络训练,但医学领域带标签样本难以获取,且存在健康人样本与患者样本不平衡问题.提出了一种基于生成对抗网络的少样本视网膜血管分割方法,生成器部分对图像做反色等预处理后,通过旋转增扩充了数据集,网络部分使用U-Net结构,判别器部分使用卷积神经网络.在实验阶段,在DRIVE数据集和HRF数据集上进行训练测试,训练时只使用训练集的6个样本,测试时使用全部测试集样本,最终在两个数据集下的ROC曲线下面积分别达到了 0.97和0.95,准确率达到了 0.95和0.94.与少样本情况下的U-Net相比,分割性能提升很大,表明本方法针对少样本视网膜血管分割任务确实有效.