上下文信息增强的卷积神经网络用于彩色眼底图像视网膜血管分割
图像与视频处理
2021-03-26 v1 计算机视觉与模式识别
摘要
准确的视网膜血管分割是彩色眼底图像分析中的一个挑战性问题。自动视网膜血管分割系统可有效辅助临床诊断与眼科研究。从技术上讲，该问题受限于不同程度的血管粗细、细节感知以及上下文特征融合。为应对这些挑战，提出了一种基于深度学习的方法，并将若干定制模块集成到广泛用于医学图像分割的著名编码器-解码器架构U-net中。在结构上，级联空洞卷积模块被集成到中间层，以获得更大的感受野并生成更密集的编码特征图。同时，利用了具有空间连续性的金字塔模块的优势，用于多尺度粗细感知、细节精炼和上下文特征融合。此外，针对具有特定性质的不同数据集，讨论了不同归一化方法在网络训练中的有效性。在实验上，在三个视网膜血管分割数据集DRIVE、CHASEDB1和不健康数据集STARE上进行了充分的对比实验。结果表明，所提方法优于以往工作，并在灵敏度/召回率、F1分数和MCC上达到了最先进的性能。
引用
@article{arxiv.2103.13622,
title = {Contextual Information Enhanced Convolutional Neural Networks for Retinal Vessel Segmentation in Color Fundus Images},
author = {Muyi Sun and Guanhong Zhang},
journal= {arXiv preprint arXiv:2103.13622},
year = {2021}
}