基于SKA-Unet的眼底图像视网膜血管自动分割 |
| |
作者姓名: | 王雪花 林静怡 吕德佳 许祥丛 韩定安 |
| |
作者单位: | 1. 佛山科学技术学院物理与光电工程学院;2. 粤港澳智能微纳光电技术联合实验室 |
| |
基金项目: | 国家自然科学基金资助项目(61805038,62075042,61771139); |
| |
摘 要: | 针对视网膜血管结构复杂,对比度较低及边界模糊等问题,构建了一种改进的Unet模型来自动分割视网膜血管。该算法在Unet基础上引入了选择性内核和注意力机制,通过增加多重感受野得到目标多维度的特征信息,并将注意力集中在最有效的特征中,从而提升网络分割血管的性能。利用网上公开的DRIVE和STARE两个常用眼底图像数据集训练和评估该模型,得到骰子系数、精确度、特异性、灵敏度和准确率分别为86.49%、88.65%、98.82%、84.5%和97.46%。实验结果表明,该算法能有效地分割视网膜血管,获得血管的形态和结构信息,对于诊断和治疗眼底相关疾病具有重要意义。
|
关 键 词: | Unet 视网膜血管 图像分割 选择性内核机制 注意力机制 |
|
|