基于Shuffle-Unet的视网膜血管分割研究

来源：电子测量技术杂志2022年第20期北京时间：

作者：秦俊豪，李志忠，冯家乐

单位：广东工业大学 信息工程学院 广州 510006

摘要：针对传统视网膜血管分割算法检测速度慢，难以应用于实时医疗辅助诊断系统的问题，提出一种轻量型的基于Shuffle-Unet的视网膜血管分割模型。对轻量级模型ShuffleNetV2进行结构剪枝，剪除ShuffleNetV2结构上最后一层卷积层、全局池化层和全连接层，简化模型结构；将剪枝后的ShuffleNetV2作为模型的主干提取网络，降低模型的计算复杂度，提高模型的运行速度；使用随机通道分离操作模块搭建上采样模型结构，增强网络特征传递能力；使用注意力机制模块将模型的第一层特征层输出和上采样层相融合，分别从通道和空间两个维度上增强模型对有效特征的提取。通过DRIVE、CHASE_DB1两个公开数据集与其他视网膜血管分割算法进行对比，有效的证明了Shuffle-Unet模型具有高分割精度和高检测速度的特点。

关键词：视网膜血管;语义分割;模型剪枝;注意力机制

基金资助：广东省自然科学基金项目（NSF of Guangdong under Grant 2019A1515011371） 广东省省级科技计划（产学研）项（2016B090918031）