科研之友
微信
新浪微博
Facebook
分享链接
摘要
眼底血管图像在临床中通常被用于眼部疾病的诊断及监测，其中血管的形态结构能够反映疾病的重要特征，因此，眼底血管图像的分割处理对眼部疾病的诊断和预防具有十分重要的医学意义。针对目前人工智能主流算法中卷积和池化操作会导致很多特征丢失，提取特征时会忽视图像中的空间信息，图像中的细小血管很难分割出来等问题，基于U-net模型进行了相关研究，结合空间注意力模块对空间特征进行细化，同时提出了一种下补偿结构LCSAnet。该结构能够减少网络提取特征信息过程中的特征损失，从而提高分割精度。研究实验在DRIVE数据集上完成，LC-SAnet的分割准确率达到96.97%,F1值达到74.36%。结果证明，LC-SAnet表现出更好的分割性能，对细小血管的结构识别更加准确。
- 单位
