密集级联卷积与自注意力特征聚合的视网膜血管分割算法

针对视网膜图像中细小血管分割困难以及血管分割过程中出现断裂的问题,构建了一种密集级联卷积与自注意力特征聚合的网络用于视网膜血管图像的分割。该网络采用多尺度密集卷积结合自注意力机制;为更好的提取视网膜细小血管复杂的特征信息,构建密集聚合模块作为U型网络的骨干网络;在网络底层嵌入自注意力摸块和多尺度聚合模块,以提升感受野和获取高维语义特征信息;在模型的跳跃连接部分采用特征聚合模块,提升模型的分割精度。实验结果表明,在DRIVE公开数据集上,该网络的F1-sore指标达到83.19%,准确率ACC指标达到97.11%,AUC值达到了98.94%;在CHASE-DB1和STARE数据集上,相比于Unet、DUNet、SA-Unet和FR-Unet等网络,该网络的AUC指标均达到了目前最好效果。采用该网络进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割及其泛化能力达到了优异的效果.