LFRA-Net：用于视网膜血管分割的轻量级焦点和区域感知注意网络
计算机视觉与模式识别
2025-09-16 v1
摘要
视网膜血管分割对于早期诊断视力受损和全身性疾病至关重要，尤其是在计算资源有限的实际临床环境中。尽管已对基于深度学习的分割方法取得了显著改进，但当前模型仍面临在提取微小血管方面存在挑战且计算成本高。本研究提出LFRA-Net，通过在编码器-解码器瓶颈处引入焦点调制注意力机制，并在选择性跳过连接中加入区域感知注意力。LFRA-Net 是一个针对精确和有效的视网膜血管分割优化的轻量级网络。它通过高效捕获局部和全局依赖关系来增强特征表示和区域聚焦。LFRA-Net 在保持轻量级特征的同时， outperformed 许多最先进的模型，仅使用 0.17 百万参数、0.66 MB 内存大小和 10.50 GFLOPs。我们在三个公开数据集上进行了验证：DRIVE、STARE 和 CHASE_DB。在 DRIVE、STARE 和 CHASE_DB 数据集上，LFRA-Net 分别以 Dice 评分 (84.28%、88.44%、85.50%) 和 Jaccard 指数 (72.86%、79.31%、74.70%) 的结果取得更好性能。LFRA-Net 在分割准确率和计算成本之间提供了理想的比例，使其适用于资源有限地区的实时临床应用。代码可在 https://github.com/Mehwish4593/LFRA-Net 查看。
引用
@article{arxiv.2509.11811,
title = {LFRA-Net: A Lightweight Focal and Region-Aware Attention Network for Retinal Vessel Segmentatio},
author = {Mehwish Mehmood and Shahzaib Iqbal and Tariq Mahmood Khan and Ivor Spence and Muhammad Fahim},
journal= {arXiv preprint arXiv:2509.11811},
year = {2025}
}