改进的U-Net在视网膜血管分割上的应用

摘要

针对眼底视网膜血管分割中血管边界难以精确识别以及血管与背景对比度低而难以分割的问题,提出一种编码器-解码器结构的算法。为了提高算法在血管边界的分割能力,在编码部分采用全局卷积网络（GCN）和边界细化（BR）替换传统的卷积层;在跳跃连接部分引入改进的位置注意模块（PA）和通道注意模块（CA）,目的是增加血管与背景之间的对比度,使网络更好地将血管与背景分割开;此外,为了提高网络的性能,在编码部分的最后一层使用密集卷积网络解决网络过拟合问题,同时为了在一定程度上解决梯度爆炸、梯度消失的问题,在解码部分的每一层使用卷积长短记忆网络提升网络获取特征信息的能力。在公共的数据集DRIVE和CHASE_DB1中进行测试,以敏感性、特异性、准确性、F1-Score和AUC为评价指标,其中准确性和AUC分别达到了96.99%、98.77%和97.51%、99.01%。该算法能有效提高眼底图像血管分割的准确率。

关键词： 视网膜血管; U-Net; 边界细化（BR）; 位置注意模块（PA）; 通道注意模块（CA）; 全局卷积网络（GCN）

眼底视网膜