计算机科学与探索

作者：宋姝洁, 崔振超, 陈丽萍, 陈向阳

单位：1. 河北大学 网络空间安全与计算机学院，河北 保定 0710022. 河北省机器视觉研究中心（河北大学），河北 保定 071002

关键词： 图像处理,U-Net,残差神经网络,多模块,视网膜血管,图像分割

眼底毛细血管的自动监测对眼科疾病、糖尿病、心脏病等疾病的早期筛查具有重要意义。为了解决对毛细血管特征表达不精细带来的血管分割缺失问题，提出多模块融合的残差神经网络模型（MbResU-Net）。该模型利用了编码-解码网络结构。为了减少网络编码器与解码器之间的语义差距而带来的信息丢失，用非线性网络结构代替快捷连接嵌入到网络中。为了获得更多血管的细节特征，MbResU-Net提出将三块U型网络以残差方式连接，在避免丢失的前提下，最大地提取视网膜结构特征。为了保证分割质量，对图像执行预处理操作，并设计融合了代价矩阵的交叉熵损失函数来训练网络参数。对MbResU-Net与现有的眼底血管分割算法在DRIVE和CHASE DB1彩色眼底图像数据集上进行对比实验。实验表明MbResU-Net在[Sen]、[ACC]和[AUC]上优于现有方法。[Sen]为0.798 7和0.797 2，[ACC]为0.964 8和0.972 6，[AUC]为0.979 1和0.982 4。实验证明该模型在复杂曲率和小血管分割中具有有效性和鲁棒性。

来源：2021年第12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2021年第12期