視網膜血管的自動分割在糖尿病和高血壓等疾病的診斷中起著重要作用。針對現(xiàn)有算法在細小血管和病變區(qū)域血管分割能力不足的問題,提出了一種基于改進整體嵌套邊緣檢測(HED)網絡的視網膜血管分割算法。首先,采用了一種殘差可變形卷積塊代替普通卷積塊,增強模型捕獲血管形狀和尺寸的能力;其次,采用擴張卷積層取代原有的池化層,用以保留血管特征的空間位置信息;最后,使用具有底部短連接結構的HED網絡框架對預訓練的網絡進行特征提取和融合,使得模型可以更好地將骨干網絡所提取的視網膜圖像中血管的高級結構信息與低級細節(jié)信息相融合。通過在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE(Structured Analysis of the Retina)數據集上進行驗證,所提網絡的靈敏度分別達到了81.75%和80.68%,特異性分別達到了97.67%和98.38%,準確性分別達到了95.44%和96.56%,受試者工作特征曲線(ROC)的曲線下面積(AUC)分別達到了98.33%和98.12%,實現(xiàn)了優(yōu)于其他先進方法的綜合分割性能。

【文章頁數】：10 頁

【文章目錄】：
1 引言
2 網絡結構與算法原理
    2.1 殘差可變形塊
    2.2 擴張卷積
    2.3 網絡框架
    2.4 損失函數
3 實驗
    3.1 數據集與網絡參數設置
    3.2 圖像預處理
        3.2.1 提取通道
        3.2.2 圖像歸一化和CLAHE
        3.2.3 伽馬校正
    3.3 性能評估指標
    3.4 結果分析
        3.4.1 所提出方法的結果
        3.4.2 與其他先進方法的比較
        3.4.3 在病變圖像上的表現(xiàn)
        3.4.4 與原始HED網絡的比較
4 結論



本文編號：3784158