换一批MDF-Net:一种多尺度细节特征融合的视网膜血管分割算法
MDF-Net:a multi-scale detail feature fusion algorithm for retinal vessel segmentation
摘要视网膜血管密集且不规则分布,许多毛细血管融入背景,对比度较低,导致视网膜血管分割非常复杂.基于编码器-解码器的视网膜血管分割网络由于多次编码和解码,会导致细节特征的不可逆损失,进而导致血管分割错误.针对这些问题,提出一种用于视网膜血管分割的多尺度细节特征融合网络(multi-scale detail feature fusion network,MDF-Net).为了确保在精细血管分割过程中有效提取复杂特征,构建细节增强编码器(detail-enhanced encoder,DEE)模块以增强细节表示能力;引入动态解码器(dynamic decoder,DYD)模块,在解码过程中保留空间信息,减少上采样操作引起的信息损失;采用多尺度特征融合(multi-scale feature fusion,MFF)模块来融合编码和解码过程中的特征图,以实现多尺度上下文信息的有效聚合.将MDF-Net算法与其他 9 种算法在DRIVE、CHASEDB1、STARE数据集上进行对比实验.实验结果表明:MDF-Net算法在DRIVE、CHASEDB1和STARE数据集上的灵敏度(sensitivity,Sen)值分别为0.8250、0.880 9 和 0.863 4,曲线下面积(area under the curve,AUC)值分别为 0.988 5、0.990 8 和 0.990 9,MDF-Net在视网膜血管分割方面表现出卓越的性能.
更多相关知识
关键词
视网膜血管分割U-Net细节增强动态上采样多尺度特征融合retinal vessel segmentationU-Netdetail enhancementdynamic upsamplingmulti-scale feature fusion
DOI
10.19573/j.issn2095-0926.202403010
发布时间
2024-11-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览6
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
