科研之友
微信
新浪微博
Facebook
分享链接
摘要
青光眼是当前世界范围内致盲的一种主要病因，其发病过程并没有明显的特征。视杯盘比是青光眼诊断中最主要的评估指标之一。由于眼底图像具有一定的复杂性，视盘视杯分割很容易受到眼底血管和病变区域等的影响，因此传统方法并不能精确地分割出视盘视杯。针对该问题，提出了一种改进U-net++的网络模型算法，数据预处理中引入极坐标变换，在网络的部分关键层引入可变形卷积核代替传统卷积核，在编码器部分引入注意力机制。该算法在Drishti-GS1数据集上的视杯和视盘的Dice系数达到了0.925 3和0.985 0,oe误差降低到0.061 58，较现有的先进算法有一定的提升。
- 单位
