TransUNext：面向眼底图像自动血管分割的更先进U型框架
图像与视频处理
2024-11-06 v1 计算机视觉与模式识别
摘要
目的：眼底血管图像的自动精确分割已成为糖尿病等眼科疾病计算机辅助诊断的重要前提。由于视网膜血管分支末端与背景对比度低、血管跨度细长、以及眼底血管图像中视盘和视杯形态多变，高精度视网膜血管分割任务仍面临困难。方法：我们提出了一种更先进的混合Transformer与CNN的U型架构：TransUNext，它将高效自注意力机制集成到U-Net的编码器和解码器中，以最小的计算开销捕获局部特征和全局依赖关系。同时，进一步引入全局多尺度融合模块来升级跳跃连接，融合高层语义和低层细节信息，并消除高低层语义差异。受ConvNeXt启发，设计了TransNeXt模块以优化U-Net中每个基础块的计算复杂度，并避免信息在不同维度特征空间之间转换时因维度压缩造成的信息损失。结果：我们在四个公开数据集DRIVE、STARE、CHASE-DB1和HRF上评估了所提方法。实验结果显示，AUC（ROC曲线下面积）值分别为0.9867、0.9869、0.9910和0.9887，超过了其他最先进方法。
引用
@article{arxiv.2411.02724,
title = {TransUNext: towards a more advanced U-shaped framework for automatic vessel segmentation in the fundus image},
author = {Xiang Li and Mingsi Liu and Lixin Duan},
journal= {arXiv preprint arXiv:2411.02724},
year = {2024}
}