UU-Net:基于U-Net的U形多路径网络的视网膜血管分割

摘要

为解决视网膜血管形状复杂且图像对比度较小导致血管末梢检测难度大的问题,本文提出一种基于U-Net的U形多路径网络模型(UU-Net).在U-Net内部,利用残差模块代替普通卷积,避免模型过深导致梯度消失;U-Net作为核心模块,采用U形结构进行堆叠以获取更多细节信息;U-Net模块之间采用Addition互连,构成多条从输入到输出的路径,每一条路径相当于一个FCN的变体,使得UU-Net模型能够捕获更复杂特征,产生更高的精度.在DRIVE数据集上,UU-Net模型在多项测试指标上取得优异性能,平均准确率为0.9561,受试者接受者工作特性曲线下的面积为0.9851,精准率-召回率曲线下的面积为0.9826.此外,UU-Net模型提供一种基于U-Net改进模型的思路,可作为密集模块或残差模块的基础结构.