基于SKA-Unet的眼底图像视网膜血管自动分割
王雪花
林静怡
吕德佳
许祥丛
韩定安
佛山科学技术学院物理与光电工程学院,广东佛山528200;粤港澳智能微纳光电技术联合实验室,广东佛山5282253
摘要：针对视网膜血管结构复杂,对比度较低及边界模糊等问题,构建了一种改进的Unet模型来自动分割视网膜血管.该算法在Unet基础上引入了选择性内核和注意力机制,通过增加多重感受野得到目标多维度的特征信息,并将注意力集中在最有效的特征中,从而提升网络分割血管的性能.利用网上公开的DRIVE和STARE两个常用眼底图像数据集训练和评估该模型,得到骰子系数、精确度、特异性、灵敏度和准确率分别为86.49％、88.65％、98.82％、84.5％和97.46％.实验结果表明,该算法能有效地分割视网膜血管,获得血管的形态和结构信息,对于诊断和治疗眼底相关疾病具有重要意义.
关键词：Unet视网膜血管图像分割选择性内核机制注意力机制
分类号：TP391.41(计算技术、计算机技术)R774(视网膜及视神经疾病)
资助基金：国家自然科学基金(61805038)国家自然科学基金(62075042)国家自然科学基金(61771139)粤港澳智能微纳光电技术联合实验室研究基金资助项目(2020B1212030010)
论文发表日期：2023-01-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 17-22 )
英文信息