| 基于多方向特征和连通性检测的眼底图像分割 |
| |
| 作者姓名： | 窦全胜 李丙春 刘静 张家源 |
| |
| 作者单位： | 1.喀什大学计算机科学与技术学院,新疆喀什 844008;山东工商学院计算机科学与技术学院,山东烟台 264005;2.喀什大学计算机科学与技术学院,新疆喀什 844008;3.山东工商学院计算机科学与技术学院,山东烟台 264005 |
| |
| 基金项目： | 国家自然科学基金 ( 61976124 );国家自然科学基金 ( 61976125 );新疆维吾尔自治区自然科学基金资助项目 ( 2022D01A237 );新疆维吾尔自治区自然科学基金资助项目 ( 2022D01A238 ) |
| |
| 摘 要： | 针对眼底图像中存在大量不规则、噪声干扰严重、边界模糊、分割难度较大的细小血管的问题,提出一种基于多方向特征和连通性检测的眼底图像分割方法MDF_Net&CD(Multi-Directional Features neural Network and Connectivity Detection).设计了一个以像素点不同方向特征向量为输入的深度神经网络模型MDF_Net(Multi-Directional Features neural Network),利用MDF_Net对眼底图像进行初步分割;提出连通性检测算法,根据血管的几何特征,对MDF_Net的初步分割结果进一步修订.在公开的眼底图像数据集上,将MDF_Net&CD与近期有代表性的分割方法进行实验对比,结果表明MDF_Net&CD各项评估指标均衡,敏感度、F1值和准确率优于其他方法.该方法能有效捕捉像素点的细节特征,对不规则、噪声干扰严重、边界模糊的细小血管有较好分割效果.
|
| 本文献已被 万方数据 等数据库收录！ |
|
