基于U-Net的多尺度视网膜血管分割方法

• 作者: 喻鲁立 陈黎
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 视网膜血管 U-Net 卷积神经网络 图像分割 密集连接 多尺度策略
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 140-145
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2022.04.024

摘要

视网膜血管的形态和结构一直是高血压、冠心病、糖尿病等疾病的重要诊断指标之一,其检测和分割具有十分重要的意义.为了解决视网膜血管分割中,血管末梢缺失和细小血管断裂的问题,提出了一种基于U-Net改进模型的多尺度分割方法,通过在编码阶段和解码阶段之间采用增加卷积块的方式来保持对不同尺度下的特征提取,同时对增加的卷积块采用密集连接的方式解决由于网络加深带来的浅层特征缺失和梯度消失问题,从而增强模型的特征提取能力并提高分割性能.此外,采用Dice损失函数解决数据集中正负样本不均衡的问题.实验采用CHASE_DB1和DRIVE两个数据集进行训练和测试,通过与U-net、Residual U-net、Ladder-Net以及R2U-Net的对比表明,由于保留了多尺度的细节信息,该方法取得了更好的分割效果.实验证明,该方法能够有效提取健康视网膜图像和病变视网膜图像中的血管网络,能够较好地分割细小血管.