带有注意力机制的OCTA视网膜血管分割方法

摘要：

视网膜血管分割是智能辅助诊断过程中的关键步骤.由于血管末端细小且易与背景混淆,导致很难精确分割.针对此类问题,提出一种基于深度可分离卷积与块注意力机制的高效视网膜血管分割算法.使用步长为2的卷积层代替最大池化层进行特征筛选;为了降低网络的参数量,用深度可分离卷积代替常规的卷积;引入注意力机制学习重要特征,对OCTA视网膜血管图像的像素进行精确分类.将该方法在2020版的公开数据集OCTA-500上进行充分实验.结果表明,该方法在分割性能指标F1、mIoU、Se、Sp、Acc和Pre上分别达到了80.01%、81.18%、84.39%、96.41%、95.32%和76.24%;和基准方法U-net相比,该方法的参数量和FLOPs也显著降低,分别只有U-net的19.2%和16.5%.

关键词：深度学习、医学图像处理、视网膜血管分割、深度可分离卷积、块注意力机制

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆师范大学基金项目;重庆市科技局项目;教育部人文社会科学研究项目;重庆市教委科技项目;重庆市教委科技项目

在线出版日期：2023-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：163-171