DUNet：一种用于视网膜血管分割的可变形网络
计算机视觉与模式识别
2019-05-21 v1
摘要
眼底图像中视网膜血管的自动分割在糖尿病和高血压等疾病的诊断中起着重要作用。本文提出可变形 U-Net（DUNet），它以端到端方式利用 U 形架构提取视网膜血管的局部特征，用于视网膜血管分割。受近期提出的可变形卷积网络启发，我们将可变形卷积集成到所提网络中。DUNet 采用上采样算子提高输出分辨率，旨在通过结合低层特征图与高层特征图来提取上下文信息并实现精确定位。此外，DUNet 通过根据血管的尺度和形状自适应调整感受野，捕获各种形状和尺度的视网膜血管。我们使用三个公开数据集 DRIVE、STARE 和 CHASE_DB1 来训练和测试我们的模型。研究中提供了所提网络与可变形神经网络、U-Net 的详细对比。结果表明，DUNet 提取了更精细的血管，并在视网膜血管分割上取得了最优性能，在 DRIVE、STARE 和 CHASE_DB1 上的全局准确率分别为 0.9697/0.9722/0.9724，AUC 分别为 0.9856/0.9868/0.9863。此外，为展示 DUNet 的泛化能力，我们使用另外两个视网膜血管数据集（一个名为 WIDE，另一个为具有多样风格的合成数据集，名为 SYNTHE）与其他方法进行定性与定量分析和比较。结果表明 DUNet 优于其他最优方法。
引用
@article{arxiv.1811.01206,
title = {DUNet: A deformable network for retinal vessel segmentation},
author = {Qiangguo Jin and Zhaopeng Meng and Tuan D. Pham and Qi Chen and Leyi Wei and Ran Su},
journal= {arXiv preprint arXiv:1811.01206},
year = {2019}
}