换一批融合密集空洞注意力金字塔和多尺度的视网膜病变分割
Diabetic retinopathy segmentation using dense dilated attention pyramid and multi-scale features
摘要针对糖尿病视网膜病变(DR)分割任务中病变区域多尺度特征难以学习、边界模糊等问题,提出一种改进的U型多病变分割模型DDAPNet.首先,对DR图像进行Patch处理,使模型更好地捕捉病变的局部特征;其次在主干特征提取后引入重新设计的密集空洞注意力金字塔(DDAP)模块,扩大感受野,解决病变边界模糊问题;同时采用金字塔切分注意力进行特征增强,然后将二者进行特征融合;最后在跳跃连接中嵌入改进的残差注意力模块,降低浅层冗余信息的干扰.在数据集和医院真实数据集上进行联合验证,实验结果表明,相较于基础模型,DDAPNet模型对微动脉瘤、出血点、软渗出DDR物和硬渗出物的分割在Dice系数上分别提高了4.31%、2.52%、3.39%、4.29%,在mIoU上分别提高了1.80%、2.24%、4.28%、1.98%.该模型对病灶边缘的分割更为连续和平滑,有效提升了软渗出物等视网膜病变的分割性能.
更多相关知识
关键词
糖尿病视网膜病变密集空洞注意力金字塔多尺度特征残差模块diabetic retinopathydense dilated attention pyramidmulti-scale featureresidual module
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.08.013
发布时间
2024-09-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
京津冀基础研究合作专项（J210008）
京津冀基础研究合作专项（21JCZXJC00170）
京津冀基础研究合作专项（H2021202008）
天津市医学重点学科(专科)建设项目（TJYXZDXK-032A）
- 浏览0
- 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
