融合小波特征的细节增强视网膜血管分割算法

作     者：陆锡恒 宣士斌 

作者机构：广西混杂计算与集成电路设计分析重点实验室 广西民族大学人工智能学院 

出 版 物：《微电子学与计算机》 (Microelectronics & Computer)

年 卷 期：2024年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0836[工学-生物工程] 

基　　金：国家自然科学基金项目(61866003) 

主　　题：U-Net 视网膜血管分割 小波特征 多维注意力 连接增强 

摘      要：针对视网膜血管分割任务中特征丢失、细血管提取困难等问题，在U-Net的基础上提出一种融合小波特征的细节增强视网膜血管分割算法。首先，为了减少下采样过程中导致的血管特征丢失，设计小波特征补偿模块，通过小波分析对眼底图像的高、低频信息分开建模，提供更丰富的多频特征；其次，考虑到眼底图像对比度低，细血管难以辨别的问题，提出多维注意力模块增大血管与背景噪声的特征差异，结合不同深度的语义信息，分别在水平、垂直以及通道三个维度对血管特征进行检测与探查，实现空间与通道信息的有机融合，加强算法的细节处理能力；最后，为了解决算法视野不足导致的血管表示不连续问题，设计连接增强模块，将解码器各层输出相互结合，利用空洞卷积扩大算法感受野，捕获多尺度上下文信息，增强血管的连接性。在DRIVE与CHASE＿DB1数据集上进行了算法的有效性测试，敏感度分别为0.8376和0.8453，F1分数分别为0.8347和0.8372，AUC值分别为0.9886和0.9901，整体性能优于现有算法。