带有注意力机制的OCTA视网膜血管分割方法

作者：崔少国; 文浩; 张宇楠; 唐艺菠; 杜兴

来源：计算机工程与应用, 2022, 1-10.

• 深度学习
• 医学图像处理
• 视网膜血管分割
• 深度可分离卷积
• 块注意力机制

视网膜血管分割是智能辅助诊断过程中的关键步骤。由于血管末端细小且易与背景混淆，导致很难精确分割。针对此类问题，提出一种基于深度可分离卷积与块注意力机制的高效视网膜血管分割算法。首先，使用步长为2的卷积层代替最大池化层进行特征筛选；然后，为了降低网络的参数量，用深度可分离卷积代替常规的卷积；最后，引入注意力机制学习重要特征，对OCTA视网膜血管图像的像素进行精确分类。将本方法在20版的公开数据集OCTA-500上进行充分实验。结果表明，本方法在分割性能指标F1、mIoU、Se、Sp、Acc和Pre上分别达到了80.01%、81.18%、84.39%、96.41%、95.32%和76.24%；和基准方法U-net相比，本方法的参数量和FLOPs也显著降低，分别只有U-net的19.2%和16.5%。

• 单位
  重庆师范大学