换一批
换一批摘要针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割.设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征.采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息.构架另一U型精细分割网络,提高模型的微观表示和识别能力.一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息.二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声.三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征.在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%,97.47%和97.48%,灵敏度分别为82.73%,82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%,98.90%和98.93%.其模型整体性能优于现有算法.
更多相关知识
关键词
视网膜血管分割U型网络并行空间激活模块多尺度密集特征金字塔模块双重损失函数融合Retinal vessel segmentationU-shaped networkParallel space activation moduleMultiscale dense feature pyramid moduleDouble loss function fusion
栏目名称
图像与智能信息处理
DOI
10.11999/JEIT220470
发布时间
2023-07-26
- 浏览4
- 被引4
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
