多尺度密集注意力网络用于视网膜血管分割

作者：梁礼明; 余洁; 周珑颂; 陈鑫; 吴健^*

来源：激光与光电子学进展, 2023, 60(06): 122-131.

• 图像处理
• 视网膜血管分割
• 级联空洞卷积
• 并行空间和通道挤压激励模块
• 注意力密集块

针对视网膜血管分割中有标签图像数据有限、血管结构复杂尺度不一且易受病变区域干扰等问题，提出一种多尺度密集注意力网络用于视网膜血管分割。首先，以U-Net架构为基础，引入并行空间和通道挤压激励注意力密集块（scSE-DB）代替传统卷积层，加强特征传播能力，实现了对特征信息的双重校准，使模型能更好地识别血管像素；其次，在网络底端嵌入级联空洞卷积模块，以捕获多尺度血管特征信息，提升网络获取深层语义特征的能力；最后，在公共数据集DRIVE、CHASE＿DB1和STARE上进行实验，所提网络的准确率分别为96.50%、96.62%和96.75%，灵敏度分别为84.17%、83.34%和80.39%，特异性分别为98.22%、97.95%和98.67%。所提网络的整体分割性能优于现有多数先进算法。

• 单位
  江西理工大学; 自动化学院