基于改进 UNet 的视网膜血管分割算法

• 作者: 张雷 张良 刘刚 刘鹏鹏
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 图像分割 多分支多尺度 空间多样性 密集卷积网络 双向卷积长短时记忆网络
• 年，卷（期）: 2023,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 107-115
• 页数: 9页
• 语种: 中文

摘要

针对视网膜血管结构复杂、图像对比度低、细节区域分割不精准问题,提出一种基于改进UNet的分割算法.首先,结合Diverse Branch Block多分支、多尺度思想,在编解码路径上增加DBB-ConvNet模块,该模块组合了不同尺度、不同复杂度的分支来丰富特征空间的多样性,进而提升网络的特征学习和表达能力;其次,为加强特征重用,避免冗余特征影响,在网络底端加入Dense-net密集连接;最后,为进一步提升分割效果,在跳跃连接用BConvLSTM结合非线性函数处理编解码路径间的特征映射,替换原始的简单串联.该算法在公开数据集DRIVE和CHASE_DB1上的实验结果表明,对比其他算法,本文所提出的算法在视觉和各项客观评价指标上均有较好的分割效果.与U-Net算法相比,在两种数据集上本文所提算法在精确率、F1值上分别提升了 1.97％、2.04％与2.05％、5.86％.