摘要
眼底血管图像特征信息复杂度较高且现有算法对视网膜微血管分割不足,对病灶区域会产生误分割。针对以上问题,文中提出了一种融合Resnet50和U-Net的眼底彩色血管图像分割模型。通过数据增强提高数据集的数量以增加算法的鲁棒性。融合高斯双边滤波和限制对比度直方图均衡化来增强视网膜微细管的特征信息。利用自适应Gamma矫正提升图像亮度信息并降低图像伪影的干扰。在编码部分使用残差网路对彩色图像进行深层次的特征提取,将得到的特征图进行4次上采样和跳跃连接,实现像素级的分割。在每个卷积层使用ReLU激活函数和批量归一化来提高模型的性能。最后,利用公开数据集DRIVE进行实验,结果显示文中算法的特异性为0.989 2,准确率为0.967 6,灵敏度为0.812 0。
- 单位