針對(duì)視網(wǎng)膜圖像中血管細(xì)小而導(dǎo)致其分割精度低等問(wèn)題,通過(guò)在U-Net網(wǎng)絡(luò)中引入Inception、空洞卷積與注意力機(jī)制等模塊,提出一種改進(jìn)U-Net視網(wǎng)膜血管圖像的分割算法。首先,在編碼階段增加Inception模塊,采用不同尺度的卷積核對(duì)圖像進(jìn)行特征提取,以獲得其多尺度信息;然后,在U-Net網(wǎng)絡(luò)的底部增加級(jí)聯(lián)空洞卷積模塊,以在不增加網(wǎng)絡(luò)參數(shù)的情況下擴(kuò)大卷積操作的感受野;最后,在解碼階段為反卷積操作設(shè)計(jì)了注意力機(jī)制,將注意力機(jī)制與跳躍連接方式相結(jié)合,聚焦目標(biāo)特征,以解決權(quán)重分散等問(wèn)題�；跇�(biāo)準(zhǔn)圖像集DRIVE的實(shí)驗(yàn)結(jié)果表明,所提算法的平均準(zhǔn)確率、靈敏度與特異性較之U-Net算法分別提高1.15%,6.15%與0.67%,也優(yōu)于其他傳統(tǒng)分割算法。 

【文章來(lái)源】：光學(xué)學(xué)報(bào). 2020,40(10)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

經(jīng)典Inception結(jié)構(gòu)

針對(duì)眼底視網(wǎng)膜圖像因光照、病變等因素的干擾,圖像中細(xì)小血管出現(xiàn)分割精度低等問(wèn)題,提出了一種基于改進(jìn)的U-Net網(wǎng)絡(luò)算法。引入Inception模塊改善深層網(wǎng)絡(luò)優(yōu)化困難的問(wèn)題,進(jìn)一步提升網(wǎng)絡(luò)的泛化能力和網(wǎng)絡(luò)結(jié)構(gòu)的表達(dá)能力;結(jié)合級(jí)聯(lián)空洞卷積模塊保留多尺度的血管特征,在不增加額外參數(shù)的情況下擴(kuò)大視網(wǎng)膜圖像特征映射的感受野,使網(wǎng)絡(luò)保留更多圖像細(xì)節(jié)以分割出眼底視網(wǎng)膜中較小的血管,有效地防止眼底視網(wǎng)膜血管圖像在訓(xùn)練時(shí)產(chǎn)生過(guò)擬合;在解碼階段引入注意力機(jī)制,充分結(jié)合U-Net網(wǎng)絡(luò)跳躍結(jié)構(gòu),將眼底視網(wǎng)膜圖像的底層特征與高層特征相結(jié)合,抑制噪聲的影響,將目標(biāo)聚焦在血管特征中,降低在編碼階段因?yàn)橄虏蓸铀鶎?dǎo)致的視網(wǎng)膜血管信息丟失率,恢復(fù)眼底視網(wǎng)膜血管結(jié)構(gòu),提升視網(wǎng)膜血管分割準(zhǔn)確率�；诟倪M(jìn)U-Net視網(wǎng)膜血管分割算法模型如圖1所示。本文所提算法一共由三個(gè)階段構(gòu)成,分別是編碼階段、級(jí)聯(lián)空洞卷積、解碼階段。對(duì)視網(wǎng)膜數(shù)據(jù)集進(jìn)行預(yù)處理后輸入網(wǎng)絡(luò)編碼部分先經(jīng)過(guò)一個(gè)大小為3×3的卷積核,緊接著是4個(gè)Inception模塊,每一個(gè)Inception模塊都是由1×1、3×3和2個(gè)級(jí)聯(lián)的3×3卷積核并聯(lián)組成,通過(guò)提取不同尺度的視網(wǎng)膜血管特征進(jìn)行融合,之后,接入一個(gè)大小為1×1的卷積核,以減少輸入信息的映射數(shù)目;在每一個(gè)Inception模塊后都接入一個(gè)大小為2×2,步長(zhǎng)為2的最大池化層,目的是將視網(wǎng)膜血管特征圖縮小到上一層特征圖尺寸的一半;在經(jīng)過(guò)第4個(gè)最大池化層后接入一個(gè)空洞率分別為1、2、4、8的級(jí)聯(lián)空洞卷積模塊,有效融合血管多尺度信息,使網(wǎng)絡(luò)能夠提取出更多細(xì)小血管的特征。解碼部分是由上采樣層、Inception模塊和帶有跳躍連接的注意力機(jī)制組成。上采樣層是一個(gè)大小為3×3,步長(zhǎng)為2的反卷積層,輸出的特征圖大小和跳躍連接所對(duì)應(yīng)的特征圖的尺寸是一樣的,但是上采樣會(huì)造成一部分視網(wǎng)膜血管信息損失,所以接入帶有Attention模塊的跳躍連接,通過(guò)門控信息不僅可以恢復(fù)目標(biāo)信息即將注意力聚焦到血管上降低編碼部分的信息損失,還可以解決權(quán)重分散等問(wèn)題。最后通過(guò)SoftMax激活函數(shù)對(duì)眼底視網(wǎng)膜血管與背景圖像進(jìn)行分類,輸出血管分割結(jié)果。

Inception模塊

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)尺度信息的U型視網(wǎng)膜血管分割算法[J]. 梁禮明,盛校棋,藍(lán)智敏,楊國(guó)亮,陳新建.  光學(xué)學(xué)報(bào). 2019(08)
[2]基于全卷積神經(jīng)網(wǎng)絡(luò)的多尺度視網(wǎng)膜血管分割[J]. 鄭婷月,唐晨,雷振坤.  光學(xué)學(xué)報(bào). 2019(02)
[3]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜血管圖像分割[J]. 吳晨玥,易本順,章云港,黃松,馮雨.  光學(xué)學(xué)報(bào). 2018(11)
[4]1種視網(wǎng)膜眼底圖像增強(qiáng)的新方法[J]. 陳萌夢(mèng),熊興良,張琰,王詩(shī)鳴,李廣.  重慶醫(yī)科大學(xué)學(xué)報(bào). 2014(08)



本文編號(hào)：3612427