基于改进U-Net的眼底图像血管分割方法

摘要：

眼底血管图像分析可用于各种眼病的评估和监测.它在降低失明风险方面发挥着重要作用.目前,许多眼底血管分割模型在小血管的分割结果上仍需改进.针对上述问题,我们提出了一种改进U-Net模型的视网膜血管分割方法.首先,利用网状跳跃连接提取浅层到深层的特征映射.然后将特征图拼接融合,最大限度地发挥它们的作用.在特征层中,我们采用空洞卷积来增加接受野.在DRIVE、STARE、CHASE DB1三个标准数据集上验证了该方法的分割精确度分别为0.9595,0.9716,0.9638.实验结果表明,该方法是一种良好的视网膜血管分割方法,比现有的许多视网膜血管分割方法具有更好的分割效果.

关键词：深度学习;眼底图像;视网膜血管分割

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1-3,7