基于并行U‐Net模型的眼底微血管图像分割方法
摘要
眼底血管是医学上唯一可以无创直接观察到的组织，眼底图像不仅能直接反映眼部疾病状况，在监测全身血管疾病上也具有一定的临床价值。在眼底图像的智能化医学诊断技术中，视网膜血管分割是一项基础任务。针对眼底图像中微血管对比度较低、边界不清、分割灵敏度不高的问题，本文设计了一种基于改进U-Net的并行网络微血管分割模型，该模型分为主网络和微血管特征提取辅助网络两部分。设计了一种形态学图像处理方法，以获取微血管标签，提升微血管特征提取能力。为了增加特征空间的上下文信息量，在主网络中引入了多尺度特征混洗融合模块，将微血管特征信息融合到主网络特征信息流中，以增强其特征表达，提升微血管分割灵敏度。基于公开数据集DRIVE、CHASE_DB1和STARE的评估结果表明，所提方法在眼底微血管分割上展现出了良好的性能，在上述三个数据集上的准确度指标分别达到了0.9710、0.9764和0.9768。
引用本文（GB/T 7714）
刘新娟 Liu Xinjuan, 韩旭 Han Xu, 方二喜 Fang Erxi. 基于并行U‐Net模型的眼底微血管图像分割方法[J]. Chinese Journal of Lasers, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。