-
题名多特征融合神经网络的眼底血管分割算法
被引量：4
- 1
-
-
作者
宋姝洁
崔振超
陈丽萍
陈向阳
-
机构
河北大学网络空间安全与计算机学院
河北省机器视觉研究中心(河北大学)
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第12期2401-2412,共12页
-
基金
河北省自然科学基金(F2015201033,F2017201069)。
-
文摘
眼底毛细血管的自动监测对眼科疾病、糖尿病、心脏病等疾病的早期筛查具有重要意义。为了解决对毛细血管特征表达不精细带来的血管分割缺失问题,提出多模块融合的残差神经网络模型(MbResU-Net)。该模型利用了编码-解码网络结构。为了减少网络编码器与解码器之间的语义差距而带来的信息丢失,用非线性网络结构代替快捷连接嵌入到网络中。为了获得更多血管的细节特征,MbResU-Net提出将三块U型网络以残差方式连接,在避免丢失的前提下,最大地提取视网膜结构特征。为了保证分割质量,对图像执行预处理操作,并设计融合了代价矩阵的交叉熵损失函数来训练网络参数。对MbResU-Net与现有的眼底血管分割算法在DRIVE和CHASEDB1彩色眼底图像数据集上进行对比实验。实验表明MbResU-Net在Sen、ACC和AUC上优于现有方法。Sen为0.7987和0.7972,ACC为0.9648和0.9726,AUC为0.9791和0.9824。实验证明该模型在复杂曲率和小血管分割中具有有效性和鲁棒性。
-
关键词
图像处理
U-Net
残差神经网络
多模块
视网膜血管
图像分割
-
Keywords
image processing
U-Net
residual neural network
multi-module
retinal vessels
image segmentation
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
TP391
[自动化与计算机技术—计算机应用技术]
-
