基于改进U-Net的轻量级眼底病变分割算法设计

来源：电子测量技术杂志2024年第3期北京时间：

作者：刘拥民，张毅，欧阳凌轩，石婷婷

单位：1.中南林业科技大学计算机与信息工程学院 长沙 410004; 2.中南林业科技大学智慧林业云研究中心 长沙 410004

摘要：精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤，然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此，在原U-Net网络中加入改进的Ghost卷积模块与多尺度特征融合模块，提出一种改进U-Net眼底病变分割图像的算法。该模型能以少量的参数量、较低的计算复杂度获得良好的分割结果。利用Ghost Model替换原始卷积，设计出Ghost卷积与Ghost下采样卷积模块，在保证准确度的同时降低参数量；设计出一种轻量级的Half-UNet多尺度特征融合模块来获取多尺度信息，针对不同尺度病变目标，引入CBAM注意力机制以改善其适应性，从而更好的提取细小的病变信息。改进后的模型在e_optha与IDRiD两个公开数据集上的mIoU分别为61.42%、61.84%，F1-Score分别为70.59%、69.41%。模型参数量、FLOPs分别仅为5.48 M、35.46 GMac，较U-Net、Att-UNet等模型更加精简，分割精度更高。

关键词：糖尿病视网膜病变;图像分割;Ghost卷积;U-Net