全尺度密集卷积U型网络的视网膜血管分割算法

作者：夏平; 何志豪; 雷帮军^*; 彭程; 王雨蝶

来源：计算机工程与设计, 2024, 45(03): 866-873.

DOI：10.16208/j.issn1000-7024.2024.03.031

• 医学图像分割
• 深度学习
• 视网膜血管分割
• 全尺度密集卷积
• 编解码结构
• 混合注意力
• 级联卷积

针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题，提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息，构建级联卷积融合密集块(cascade convolutional fusion dense blocks, CCF-DB)作为U型网络的编解码器用以提取视网膜血管的特征信息；在网络最底端嵌入混合注意力级联卷积密集块(mixed attention cascaded convolutional dense block, MACC-DB),进一步提升感受野，获取更高维的语义特征信息；在模型的解码部分采用全尺度的跳跃连接，捕获不同尺度下的血管特征信息，提升模型的分割精度。实验结果表明，在DRIVE数据集上，相比于U-Net、U-Net3+、SA-Unet、FR-Unet等算法，此算法的AUC值达到了98.26%,准确率为95.82%;在CHASE-DB1数据集上，此算法的AUC值达98.84%,准确率达96.66%。采用此算法进行视网膜血管分割，分割的精度和鲁棒性均有不同程度的提升，对细小血管分割达到了优良的效果。

• 出版日期2024
• 单位三峡大学