融合小波特征的细节增强视网膜血管分割算法
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]
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。