如需要完整文档点击下方 "点击下载文档" 按钮

视网膜血管的形态和结构一直是高血压、冠心病、糖尿病等疾病的重要诊断指标之一,其检测和分割具有十分重要的意义。 为了解决视网膜血管分割中,血管末梢缺失和细小血管断裂的问题, 提出了一种基于 U-Net 改进模型的多尺度分割方法, 通过在编码阶段和解码阶段之间采用增加卷积块的方式来保持对不同尺度下的特征提取,同时对增加的卷积块采用密集连接的方式解决由于网络加深带来的浅层特征缺失和梯度消失问题,从而增强模型的特征提取能力并提高分割性能。 此外,采用 Dice 损失函数解决数据集中正负样本不均衡的问题。 实验采用 CHASE_DB1 和 DRIVE 两个数据集进行训练和测试,通过与 U-net、Residual U-net、Ladder-Net 以及 R2U-Net 的对比表明,由于保留了多尺度的细节信息,该方法取得了更好的分割效果。 实验证明,该方法能够有效提取健康视网膜图像和病变视网膜图像中的血管网络,能够较好地分割细小血管。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 U-Net 的多尺度视网膜血管分割方法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：059185

点击下载文档