一种基于深度多尺度注意力卷积神经网络的视网膜眼底血管分割方法

摘要

本发明提供了一种基于深度多尺度注意力卷积神经网络的视网膜眼底血管分割方法。本发明采用国际公开的视网膜眼底血管数据集DRIVE进行有效性验证：首先将其划分为训练集和测试集，将图片尺寸调整为512×512像素；然后将训练集经过四个随机预处理环节，以达到数据增强的效果；再设计深度多尺度注意力卷积神经网络的模型结构，将处理好的训练集输入到模型中进行训练；最后将测试集输入到训练好的网络中，进行模型性能的测试。本发明的主要创新点在于设计了双重注意力模块，使整个模型更加关注于细小血管的分割；设计了多尺度特征融合模块，使整个模型对所分割图像的全局特征提取能力更强。模型在DRIVE数据集上的分割准确率为96.87％，灵敏度为79.45％，特异性为98.57，优于经典U‑Net及现有最先进分割方法。