声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1307/TP
国际刊号：1001-9081
发布日期:
作者：张志昂, 廖光忠
单位：1.武汉科技大学 计算机科学与技术学院，武汉 430065；2.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉 430065
关键词：视网膜血管分割,U-Net,多尺度信息,密集空洞卷积,残差网络,病灶区域
基金：武汉市重点研发计划项目(2022012202015070)
针对传统视网膜血管分割算法存在血管分割精度低和病灶区域误分割等缺点，提出一种基于U-Net的多尺度特征增强视网膜血管分割算法（MFEU-Net）。首先，为解决梯度消失问题，设计一种改进的特征信息增强残差模块（FIE-RM）替代U-Net的卷积块；其次，为扩大感受野并提高对血管信息特征的抽取能力，在U-Net的底部引入多尺度密集空洞卷积模块；最后，为减少编解码过程中的信息损失，在U-Net的跳跃连接处构建多尺度通道增强模块。在DRIVE（Digital Retinal Images for Vessel Extraction）和CHASE_DB1数据集上的实验结果表明，与在视网膜血管分割方面表现次优的算法CS-Net（Channel and Spatial attention Network）相比，MFEU-Net的F1分数分别提高了0.35和1.55个百分点，曲线下面积（AUC）分别提高了0.34和1.50个百分点，这验证了MFEU-Net可以有效提高对视网膜血管分割的准确性和鲁棒性。
来源：2023年第10期
《计算机应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。