耿磊 1,2 , 邱玲 1,2 , 吴骏 1,2 , 肖志涛 1,2 , 张芳 1,2
  • 1. 天津工业大学 电子与信息工程学院(天津 300387);
  • 2. 天津市光电检测技术与系统重点实验室(天津 300387);
导出 下载 收藏 扫码 引用

糖尿病和高血压等疾病会引起视网膜血管的形状发生变化,眼底图像血管分割是疾病定量分析过程中的关键步骤,对临床疾病的分析和诊断具有指导意义。本文提出一种结合深度可分离卷积与通道加权的全卷积神经网络(FCN)视网膜图像血管分割方法。首先,对眼底图像的绿色通道进行 CLAHE 及 Gamma 校正以增强对比度;然后,为了适应网络训练,对增强后的图像进行分块以扩充数据;最后,以深度可分离卷积代替标准的卷积方式以增加网络宽度,同时引入通道加权模块,以学习的方式显式地建模特征通道的依赖关系,提高特征的可分辨性。将二者结合应用于 FCN 网络中,以专家手动标识结果作为监督在 DRIVE 数据库进行实验。结果表明,本文方法在 DRIVE 库的分割准确性能够达到 0.963 0,AUC 达到 0.983 1,在 STARE 库的分割准确性可以达到 0.962 0,AUC 达到 0.983 0。在一定程度上,本文方法具有更好的特征分辨性,分割性能较好。

  • 上一篇

    非线性气道分级呼吸力学模型及健康成人自主呼吸模拟
  • 下一篇

    9.4 T 大鼠脊椎磁共振成像射频线圈