基于并行U‐Net模型的眼底微血管图像分割方法
Chinese Journal of Lasers · 2024 · 51 (21) · 2107108
DOI: 10.3788/cjl241041 ↗Kurz gefasst
Fachartikel in der Zeitschrift Chinese Journal of Lasers, 2024. Verfasst von 刘新娟 Liu Xinjuan und 2 weiteren Autor:innen. Die Arbeit wurde bisher 8-mal zitiert (Crossref) und nennt 30 Literaturangaben.
Abstract (Originalsprache)
眼底血管是医学上唯一可以无创直接观察到的组织,眼底图像不仅能直接反映眼部疾病状况,在监测全身血管疾病上也具有一定的临床价值。在眼底图像的智能化医学诊断技术中,视网膜血管分割是一项基础任务。针对眼底图像中微血管对比度较低、边界不清、分割灵敏度不高的问题,本文设计了一种基于改进U-Net的并行网络微血管分割模型,该模型分为主网络和微血管特征提取辅助网络两部分。设计了一种形态学图像处理方法,以获取微血管标签,提升微血管特征提取能力。为了增加特征空间的上下文信息量,在主网络中引入了多尺度特征混洗融合模块,将微血管特征信息融合到主网络特征信息流中,以增强其特征表达,提升微血管分割灵敏度。基于公开数据集DRIVE、CHASE_DB1和STARE的评估结果表明,所提方法在眼底微血管分割上展现出了良好的性能,在上述三个数据集上的准确度指标分别达到了0.9710、0.9764和0.9768。
Zitieren
APA
Xinjuan, 刘. L., Xu, 韩. H., & Erxi, 方. F. (2024). 基于并行U‐Net模型的眼底微血管图像分割方法. Chinese Journal of Lasers, 51(21), 2107108. https://doi.org/10.3788/cjl241041
Vancouver
Xinjuan 刘L, Xu 韩H, Erxi 方F. 基于并行U‐Net模型的眼底微血管图像分割方法. Chinese Journal of Lasers. 2024;51(21):2107108. doi:10.3788/cjl241041
BibTeX
@article{Xinjuan2024,
author = {Xinjuan, 刘新娟 Liu and Xu, 韩旭 Han and Erxi, 方二喜 Fang},
title = {基于并行U‐Net模型的眼底微血管图像分割方法},
journal = {Chinese Journal of Lasers},
year = {2024},
volume = {51},
number = {21},
pages = {2107108},
doi = {10.3788/cjl241041}
}
EUVIMED