基于 U-Net 的多尺度视网膜血管分割方法

来源：计算机技术与发展杂志2022年第04期北京时间：

作者：喻鲁立;陈黎;'

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065

摘要：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。

关键词：视网膜血管;U-Net;卷积神经网络;图像分割;密集连接;多尺度策略