改进型Unet:一种高效准确的视网膜血管分割方法

论文摘要

眼底血管的形态结构是多种疾病诊断的重要依据,但高效准确分割血管是一个巨大挑战。受多尺度卷积神经网络结构启发,将多特征提取应用到U型网络,提出改进型Unet网络。抽取眼底图像的绿通道,通过镜像、旋转、平移对训练集进行数据增强;将训练集输入到改进型Unet全卷积神经网络中进行分割;对网络模型的预测结果进行全局阈值分割得到最终结果。在DRIVE眼底数据库下实验,使用GPU分割一张565×584眼底图像仅需70ms,平均准确率高达0.9565,灵敏度、特异性也分别达到了0.7961、0.9802。实验表明算法分割准确率和效率与同类先进算法相比具有较高的水平。

论文目录

• 0 引 言
• 1 方 法
•   1.1 方法流程
•   1.2 预处理
•   1.3 网络结构
•   1.4 后处理
• 2 实 验
•   2.1 实验材料
•   2.2 实验设置
•   2.3 算法评估
• 3 结 果
•   3.1 分割结果
•   3.2 先进算法对比
• 4 结 论

文章来源

类型: 期刊论文

作者: 钟文煜,冯寿廷

关键词: 准确率,效率,视网膜血管,分割,全卷积神经网络

来源: 光学技术 2019年06期

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 眼科与耳鼻咽喉科,计算机软件及计算机应用,自动化技术

单位: 华南师范大学物理与电信工程学院

基金: 国家自然科学基金重点项目(U1301251),广东省科技计划项目(2016A010101021)

分类号: R770.4;TP391.41;TP183

DOI: 10.13741/j.cnki.11-1879/o4.2019.06.017

页码: 744-748

总页数: 5

文件大小: 661K

下载量: 450