基于全卷积神经网络实现的多尺度视网膜血管分割算法 基于全卷积神经网络实现的多尺度视网膜血管分割算法

简介：
开发了一种基于多尺度特征融合的全卷积神经网络用于视网膜血管分割的技术方案, 该方案无需人工设计特征提取和后期处理流程。通过构建编码器-解码器架构的全卷积神经网络来实现高层语义信息与低层细节信息的有效融合; 通过残差块进一步提取细节纹理特征信息; 利用不同空洞率的空洞卷积模块构建多尺度空间金字塔池化结构, 进一步提升模型对图像整体背景的理解能力; 在分类损失函数的基础上引入类别平衡因子, 有效解决正负样本比例失衡问题。实验结果表明, 在DRIVE和STARE数据集上的准确率分别为95.46%和96.84%, 检测灵敏度分别为80.53%和82.99%, 特异性分别为97.67%和97.94%, ROC曲线下面积分别为97.71%和98.17%。与现有方法相比, 该方法展现出显著的优势。