基于改进DeepLabv3+的OCTA图像中央凹无血管区分割算法
李薇
曹丽
武汉轻工大学电气与电子工程学院 湖北 武汉 430023
摘要：针对传统DeepLabv3+模型在OCTA图像分割中边界定位不准确以及计算资源消耗大的问题,提出了一种改进的DeepLabv3+网络模型用于分割OCTA图像的中央凹无血管区,以提升中央凹无血管区的分割效果.首先,用MobileNetv2替代Xception网络,以降低模型的计算量;其次,用深度可分离卷积对空洞空间金字塔池化模块进行优化,以减少参数量、提高网络多尺度特征提取的能力.同时增加坐标注意力模块,帮助模型更好地捕捉OCTA图像中复杂的空间结构信息.实验结果表明,在OCTA图像的FAZ分割任务中,改进型DeepLabv3+网络模型能够在保持原有分割精度的基础上显著减少模型的参数量、降低模型的计算复杂度.
关键词：OCTA图像中央凹无血管区DeepLabv3+深度可分离卷积坐标注意力
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 31-34 )