基于改进UNet++的视网膜血管图像分割方法

摘要

本发明涉及基于改进UNet++的视网膜血管图像分割方法，属于医疗图像处理技术领域。本发明选取了深度监督网络UNet++作为图像分割网络模型，提升特征的使用效率；引入MulitRes特征提取模块，改善低对比度环境下细小血管的特征学习效果，通过协调图像在不同尺度下学习到的特征，进一步提升网络的泛化能力和网络结构的表达能力，并在特征提取后加上SeNet通道注意力模块进行挤压和激励操作，从而增强特征提取阶段的感受野，提高目标相关特征通道的权重。基于DRIVE视网膜图像数据集验证了本发明改进的UNet++网络模型，与现有模型对比了重叠率，交并比，准确度，灵敏度等评价指标均获得了一定的提升。