换一批基于多尺度双时融合提取和全局分组注意力的视网膜分割方法
Retinal Segmentation Method Based on Multi-Scale Bitemporal Fusion Module and Global Grouped Coordinate Attention
摘要视网膜血管分割在视网膜血管疾病的诊断中发挥着重要的作用.基于UNet的视网膜血管分割近期取得不俗的表现.但由于视网膜血管较细且对比度较低,在某时刻容易出现丢失空间信息问题,对此,本研究提出一种全新的网络结构(BFM-GGCA-UNet).不同时刻对特征图分别使用不同卷积核进行卷积处理,并通过多尺度卷积捕捉不同尺度的特征,形成多尺度特征图,从而得到更加全面的文本信息.同时,引入多分辨率卷积交互机制,在保持完整图像分辨率的情况下,使其水平和垂直方向进行扩展.此外,针对水平和垂直方向扩展问题,提出全局分组注意力机制,通过共享卷积层和注意力机制,生成高度和宽度方向的注意力图,对输入特征图进行加权,增强重要特征的表达,以获得更高精度的预测图.模型在DRIVE、STARE、CHASE_DB1、HRF和ARIA这5个数据集进行评估.结果显示,AUC 分别为 98.89％,99.50％,99.13％,98.87％和 98.72％,准确率分别为 97.25％,98.06％,97.49％,97.96％,96.81％,BFM-GGCA-UNet模型性能优于文献中的大多数方法.BFM-GGCA-UNet网络结构有效地提升分割精度,在DRIVE、STARE、CHASE_DB1、HRF和ARIA这5个常用眼底血管分割基础数据集中取得良好性能.
更多相关知识
关键词
视网膜血管分割UNet多尺度双时融合多分辨率卷积交互机制全局分组注意力retinal vessel segmentationUNetmulti-scale bitemporal fusionmulti-resolution convolutional interaction mechanismglobal grouped coordinate attention
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2026.01.002
发布时间
2026-04-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省前沿技术研发计划（BF2025617）
江苏省物联网时空大数据智能处理创新平台（JUP220002）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
