基于并行U-Net模型的眼底微血管图像分割方法

作     者：刘新娟 韩旭 方二喜 Liu Xinjuan;Han Xu;Fang Erxi

作者机构：苏州大学电子信息学院江苏苏州215006 

基　　金：国家重点研发计划(2022YFB325003) 

出 版 物：《中国激光》 (Chinese Journal of Lasers)

年 卷 期：2024年第51卷第21期

页      码：95-108页

摘      要：眼底血管是医学上唯一可以无创直接观察到的组织,眼底图像不仅能直接反映眼部疾病状况,在监测全身血管疾病上也具有一定的临床价值。在眼底图像的智能化医学诊断技术中,视网膜血管分割是一项基础任务。针对眼底图像中微血管对比度较低、边界不清、分割灵敏度不高的问题,本文设计了一种基于改进U-Net的并行网络微血管分割模型,该模型分为主网络和微血管特征提取辅助网络两部分。设计了一种形态学图像处理方法,以获取微血管标签,提升微血管特征提取能力。为了增加特征空间的上下文信息量,在主网络中引入了多尺度特征混洗融合模块,将微血管特征信息融合到主网络特征信息流中,以增强其特征表达,提升微血管分割灵敏度。基于公开数据集DRIVE、CHASE_DB1和STARE的评估结果表明,所提方法在眼底微血管分割上展现出了良好的性能,在上述三个数据集上的准确度指标分别达到了0.9710、0.9764和0.9768。

主 题 词：视网膜血管分割 微血管特征提取 深度学习 形态学处理 多尺度特征混洗融合 

学科分类：0710[理学-生物科学类] 07[理学] 09[农学] 

核心收录：

D　O　I：10.3788/CJL241041

馆 藏 号：203156001...