针对现有的视网膜血管分割算法在下采样的学习层中不能有效捕捉更多特征，且低层特征没有得到充分利用从而提高视网膜血管分割的准确性，提出了一种新颖的多层特征融合网络。首先设计了一个具有连续记忆力机制的模块来增加网络的深度，以捕获更多的特征。在此基础上提出了一个多层特征融合模块将低层特征和高层特征进行融合。在DRIVE和CHASE＿DB1数据集上进行训练和测试，结果表明：与其它流行的深度学习方法相比，该方法在两个数据集上获得了更好的结果，视网膜血管分割结果更加准确。
科研之友
微信
新浪微博
Facebook
分享链接
