基于分频卷积神经网络的视网膜血管分割-论文-万方医学网

基于分频卷积神经网络的视网膜血管分割

二维码有效期 120s

收藏纠错

摘要视网膜血管结构被广泛地用于眼科疾病，糖尿病，心血管类疾病的诊断，筛查和临床研究。然而，由于视网膜病变、血管中心反光现象、血管背景对比度低、血管分支和拓扑结构复杂等影响，视网膜血管分割是一项具有挑战性的任务。<br>　　为了克服上述挑战，本文提出了基于分频卷积神经网络（OctaveUNet）的视网膜血管分割方法，实现了高精度快速的视网膜眼底图像血管自动分割。为了提高网络特征对血管分割的判别能力，基于分频卷积的特征编码器被用于高低分频的卷积特征的提取。此外，为了让模型具备学习如何解码这些高低分频的卷积特征的能力，本文提出了一种分频转置卷积操作，并在其基础上提出了OctaveUNet网络架构。<br>　　本文所提出的方法在四个公开数据库：DRIVE，STARE，CHASE_DB1和HRF数据库上进行了算法评估。实验结果表明，所提出的方法已获得与现有先进方法相比更好或相当的视网膜血管分割结果。此外，本文所提出的方法在对各类视网膜病变和阈值变化具有一定的鲁棒性。