MCFNet:融合上下文信息的多尺度视网膜动静脉分类网络 |
| |
引用本文: | 崔颖,朱佳,高山,陈立伟,张广.MCFNet:融合上下文信息的多尺度视网膜动静脉分类网络[J].应用科技,2024(2):105-111. |
| |
作者姓名: | 崔颖 朱佳 高山 陈立伟 张广 |
| |
作者单位: | 1. 哈尔滨工程大学信息与通信工程学院;2. 哈尔滨医科大学第一附属医院神经外科 |
| |
基金项目: | 国家自然科学基金项目(81901190); |
| |
摘 要: | 针对由于血管类间具有强相似性造成的动静脉错误分类问题,提出了一种新的融合上下文信息的多尺度视网膜动静脉分类网络(multi-scale retinal artery and vein classification network,MCFNet),该网络使用多尺度特征(multi-scale feature,MSF)提取模块及高效的全局上下文信息融合(efficient global contextual information aggregation,EGCA)模块结合U型分割网络进行动静脉分类,抑制了倾向于背景的特征并增强了血管的边缘、交点和末端特征,解决了段内动静脉错误分类问题。此外,在U型网络的解码器部分加入3层深度监督,使浅层信息得到充分训练,避免梯度消失,优化训练过程。在2个公开的眼底图像数据集(DRIVE-AV,LES-AV)上,与3种现有网络进行方法对比,该模型的F1评分分别提高了2.86、1.92、0.81个百分点,灵敏度分别提高了4.27、2.43、1.21个百分点,结果表明所提出的模型能够很好地解决动静脉分类错误的问题。
|
关 键 词: | 多类分割 动静脉分类 视网膜图像 多尺度特征提取 血管分割 全局信息融合 卷积神经网络 深度监督 |
|
|