计算机辅助设计与图形学学报

作者：侯向丹, 牛敬钰, 李紫宇, 刘洪普

关键词：图像分割, 视网膜血管, ResNet, Transformer, 改进通道注意力

视网膜血管分割对于辅助医生进行临床筛查与诊断眼科疾病、糖尿病等大规模疾病具有重要意义.针对现有视网膜血管分割算法对细微血管分割不足、分割易受复杂背景区域影响的问题,提出一种融合注意力机制和U-Net的TCU-Net算法对视网膜血管进行分割.首先,通过单通道特征提取、图像裁剪等预处理方法,对原始眼底图像进行特征增强与数据扩充;然后,基于U-Net结构对预处理后的图像进行分割,编码器结合ResNet与Transformer对图像细节与全局特征信息进行捕获,可有效地增强血管特征提取能力,解码器引入改进通道注意力模块辅助上采样过程,细化分割结果.在DRIVE和CHASEDB1数据集上的实验结果表明,TCU-Net算法的准确率分别为0.968 4和0.974 8,灵敏度分别为0.789 9和0.825 6,受试者工作特性曲线下方的面积分别为0.982 0和0.987 6;综合分割性能较U-Net,CIEU-Net等算法均有较大提升.

来源：2023年第9期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2023年第9期