融合W-net和条件生成对抗网络的视网膜血管分割方法

摘要

本发明涉及深度学习算法在医疗影像分析领域的应用，特别是一种融合W‑net和条件生成对抗网络的视网膜血管分割算法。本发明较好地解决分割灵敏度偏低和微小血管分割不足的问题，在网络的参数利用率、信息流通性和特征解析力上取得较大的进步，有助于主血管完整分割和微血管精细分割，且血管交叉处不易断裂，病灶与视盘不易误分割为血管。本发明在较低复杂度的情况下融合多种网络模型，在DRIVE数据集上整体分割性能表现优异，其灵敏度和准确率分别为87.18％和96.95％，ROC曲线值达到98.42％，可用于医疗领域的计算机辅助诊断，实现快速自动化视网膜血管分割。