基于SKA-Unet的眼底图像视网膜血管自动分割
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.
Unet、视网膜血管、图像分割、选择性内核机制、注意力机制
41
TP391.41;R774(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;粤港澳智能微纳光电技术联合实验室研究基金资助项目
2023-02-07（万方平台首次上网日期，不代表论文的发表时间）
共6页
17-22
