基于Dense U-net方法的眼底彩色照片图像血管分割研究

摘要

眼底彩色照片图像血管分析可用于评估和监测各种眼科疾病,对患者提前干预治疗提供指导,减少致盲风险,具有十分重要的临床意义。目前眼底血管分割的算法及模型,对于细小血管如视网膜毛细血管的分割效果仍有待提高。本研究针对此问题提出Dense U-net网络架构,该模型在U-net网络中加入了Dense Block架构,可以提高细小血管的分割准确率,同时该算法模型在DRIVE(digital retinal images of vessel extration,DRIVE)公开数据集上进行了实验,相比现有的算法,本研究模型的准确率、灵敏度、特异性分别为0.9532、0.7977、0.9759,其中灵敏度的提高可以使得算法模型更准确地识别并分割出细小血管。