基于通道注意力双路径架构网络分割视网膜血管

作者：邓小波; 刘奇^*; 陈曦; 何柯辰; 全美霖; 刘艳丽

来源：中国医学影像技术, 2021, 37(10): 1543-1547.

DOI：10.13929/j.issn.1003-3289.2021.10.026

• 视网膜血管
• 双路径
• 注意力机制
• 深度学习

目的评价基于通道注意力的双路径架构网络(DPCA-Net)算法分割视网膜血管的效果。方法基于DRIVE及CHASEDB1公开数据集,通过在网络中引入通道注意力机制,融合于主路径与次路径网络中提取的特征,构建端-端DPCA-Net视网膜血管分割深度学习体系结构,并构建未引入通道注意力机制的双路径架构网络(DP-Net)算法,评价其分割视网膜血管的效果。结果 DPCA-Net算法可正确识别中央血管反射区中的血管;亮斑区大部分血管被正确识别,背景干扰区中仅小部分背景被认为是血管,黑斑区部分形状类似血管的黑斑被认为是血管。DPCA-Net算法分割DRIVE/CHASEDB1数据集中视网膜血管的准确率为95.58%/96.34%,敏感度为80.37%/77.70%,特异度为97.80%/98.22%,F1值为82.24%/79.55%;除基于DRIVE数据集的敏感度之外均高于DP-Net算法。结论相比DP-Net算法,DPCA-Net算法能学习更多血管分割特征,且对病变区域不敏感,分割视网膜血管效果较好。

• 单位
  四川大学; 承德医学院; 生物医学工程学院