-
题名融合密集空洞注意力金字塔和多尺度的视网膜病变分割
- 1
-
-
作者
王志鲁
池越
周亚同
单春艳
肖志涛
王劭奇
-
机构
河北工业大学电子信息工程学院
天津医科大学朱宪彝纪念医院/天津市内分泌研究所/国家卫健委激素与发育重点实验室/天津市代谢性疾病重点实验室
天津工业大学生命科学学院
-
出处
《中国医学物理学杂志》
CSCD
2024年第8期1000-1009,共10页
-
基金
京津冀基础研究合作专项(J210008,21JCZXJC00170,H2021202008)
天津市医学重点学科(专科)建设项目(TJYXZDXK-032A)。
-
文摘
针对糖尿病视网膜病变(DR)分割任务中病变区域多尺度特征难以学习、边界模糊等问题,提出一种改进的U型多病变分割模型DDAPNet。首先,对DR图像进行Patch处理,使模型更好地捕捉病变的局部特征;其次在主干特征提取后引入重新设计的密集空洞注意力金字塔(DDAP)模块,扩大感受野,解决病变边界模糊问题;同时采用金字塔切分注意力进行特征增强,然后将二者进行特征融合;最后在跳跃连接中嵌入改进的残差注意力模块,降低浅层冗余信息的干扰。在数据集和医院真实数据集上进行联合验证,实验结果表明,相较于基础模型,DDAPNet模型对微动脉瘤、出血点、软渗出DDR物和硬渗出物的分割在Dice系数上分别提高了4.31%、2.52%、3.39%、4.29%,在mIoU上分别提高了1.80%、2.24%、4.28%、1.98%。该模型对病灶边缘的分割更为连续和平滑,有效提升了软渗出物等视网膜病变的分割性能。
-
关键词
糖尿病视网膜病变
密集空洞注意力金字塔
多尺度特征
残差模块
-
Keywords
diabetic retinopathy
dense dilated attention pyramid
multi-scale feature
residual module
-
分类号
R318
[医药卫生—生物医学工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-