计算机科学与探索

作者：杨知桥, 张莹, 王新杰, 张东波, 王玉

单位：1. 湘潭大学 自动化与电子信息学院，湖南 湘潭 411105；2. 机器人视觉感知与控制技术国家工程实验室，长沙 410082

关键词：眼底视网膜血管,渗出物,出血点,上下文特征编码,注意力机制

基金：国家自然科学基金(61175075);国家自然科学基金区域创新发展联合基金(U19A2083);湖南省战略性新兴产业科技攻关与重大成果转化项目(2019GK4007);湖南省重点学科资助项目。

眼底视网膜血管分析和渗出物、出血点等主要病灶区检测是判断糖尿病性视网膜病变程度的重要方法。针对细微血管的分叉以及端点处分割效果不好、渗出物边界不明显以及出血点细小且分布零散不易分割等问题，提出一种改进U型网络，通过改进上下文提取编码模块，提取更丰富的高级别特征;并在特征编码阶段加入混合注意力机制（HAM），突出细微血管以及病灶区特征，减小背景类和噪声影响。实验结果表明，提出的算法在眼底视网膜血管分割数据集DRIVE上的分割准确率、灵敏度、特异性和AUC值比U-NET、CE-NET等现有方法有一定提升，其中灵敏度相较CE-Net网络提升了0.014 6。在糖尿病性视网膜病变病灶区分割数据集DIARETDB1上，对渗出物和出血点的分割效果比U-NET、CE-NET等现有方法有较好的提升，能有效辅助医生诊断。

来源：2022年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第8期