用于精确视网膜血管分割的连接敏感注意力 U-Net
计算机视觉与模式识别
2019-04-24 v2
摘要
我们提出了一种连接敏感注意力 U-Net（CSAU）用于精确的视网膜血管分割。该方法在近期用于语义分割的注意力 U-Net 基础上做了四项关键改进：(1) 建模结构特性以提升逐像素分割精度的连接敏感损失；(2) 具有新颖神经网络结构并拼接 DOWN-Link 的注意力门，以有效学习细血管上更好的注意力权重；(3) 整合连接敏感损失与注意力门，通过在输出前将注意力权重额外拼接到特征上，进一步提升细小血管上的精度；(4) 反映边界与薄血管分割性能的连接敏感准确率度量。我们的方法能有效改进在异常、分叉与微血管存在时表现困难的当前最优血管分割方法。该连接敏感损失与所提注意力 U-Net 紧密集成，以精确 (i) 分割视网膜血管，且 (ii) 通过建模结构特性保留薄血管的连接性。我们的方法在 DRIVE、STARE 与 HRF 数据集上取得了优于当前最优方法的领先结果。
引用
@article{arxiv.1903.05558,
title = {Connection Sensitive Attention U-NET for Accurate Retinal Vessel Segmentation},
author = {Ruirui Li and Mingming Li and Jiacheng Li and Yating Zhou},
journal= {arXiv preprint arXiv:1903.05558},
year = {2019}
}