多尺度特征融合双U型视网膜分割算法

摘要

视网膜血管形态结构是反映人体健康的重要指标,针对现有视网膜血管分割存在主血管模糊、微细血管断裂和视盘误分割等问题,提出多尺度特征融合双U型视网膜分割算法。首先,利用低层U-Net高效循环残差模块对眼底图像进行粗粒度分割,得到视网膜血管初步轮廓。其次,将粗分割图与原始特征图像素相乘送入高层U-Net,利用其缩放宽残差模块进行细粒度图像解码,丰富视网膜血管细节信息。同时利用3路径注意力机制复合性连接双网络的编码层与解码层,实现特征映射跨网络传播,减小上下文语义差异。最后,融合双层网络输出提取血管区域,双U型网络能够更深层次提取血管像素,精准分割出视网膜细节。在DRIVE与STARE数据集上进行实验,其准确率分别为96.45%和97.02%,敏感度分别为83.35%和81.40%,特异性分别为98.38%和98.83%,总体性能优于现有算法。