基于U-Net多尺度自校准注意力视网膜分割算法

作者：梁礼明; 陈鑫; 周珑颂; 余洁

来源：计算机应用研究, 2023, 40(03): 943-948.

DOI：10.19734/j.issn.1001-3695.2022.05.0317

• 视网膜分割
• 可伸缩级联模块
• 自校准注意力
• Transformer特征提取
• 多尺度挤压激励模块

针对视网膜细小血管分割精度低的问题，提出一种融合可伸缩级联模块、Transformer和自校准注意力的改进U-Net算法以提高细小血管分割精度。首先在编码阶段利用可伸缩级联模块，先行学习复杂多变的视网膜血管拓扑结构。然后在解码阶段提出一种自校准注意力机制，利用多尺度挤压激励模块，自适应对特征图通道和空间之间特征重要性进行校准，增强目标区域特征响应，抑制背景噪声。最后使用Transformer特征提取块，提高特征空间映射能力。基于DRIVE和CHASEDB1数据集的实验结果表明，所提算法准确率分别为96.49%和96.67%,灵敏度分别为83.75%和83.30%,特异性分别为98.28%和98.01%,AUC分别为0.987 1和0.987 2,所提算法的整体性能优于现有算法，各模块能够有效提高细小血管分割能力。

• 单位
  江西理工大学; 自动化学院