基于视觉注意力增强CBAM-U-Net模型的视网膜血管分割

Retinal vascular segmentation based on visual attention enhanced CBAM-U-Net model

针对现有视网膜血管分割方法存在着分割不足、抗干扰能力弱等问题,提出了一种基于视觉注意力增强模型的视网膜血管分割方法。首先,通过白平衡和滤波对视网膜眼底图像进行增强预处理;然后,在医学图像分割网络中引入视觉注意力模型,提高视网膜血管特征的显著性,利用构建的深度分割网络进行模型训练;最后,利用训练得到的模型进行视网膜血管的分割预测。该方法在DRIVE和STARE两种数据集上进行实验,得到的Dice分割系数分别为0.867和0.898,Jaccard分割系数分别为0.765和0.816,平均准确率分别为97.53%和98.25%,平均灵敏度分别为80.16%和86.12%,平均特异性分别为99.87%和99.03%,实验结果表明该方法能够有效提高视网膜血管的分割精度。