融合多标签损失与双注意力的U型视网膜血管分割
眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE_DB1数据集上进行实验,灵敏度分别为80.54％,83.97％和82.40％,受试者曲线下的面积(AUC)分别为98.07％,98.50％和98.36％.
视网膜血管、多标签损失、U型网络、双注意残差块、远程依赖关系、双路径注意门机制
35
TP391.41(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;江西省自然科学基金面上项目;江西省教育厅科学技术研究重点项目
2023-03-27（万方平台首次上网日期，不代表论文的发表时间）
共12页
75-86
