학술논문
基于改进U-Net的联合视杯视盘分割方法 / Joint optic disc and cup segmentation method based on improved U-Net
Document Type
Academic Journal
Author
Source
微电子学与计算机 / Microelectronics & Computer. 40(10):90-101
Subject
Language
Chinese
ISSN
1000-7180
Abstract
为了实现眼底图像视杯视盘的精准分割,减少人工分割方法带来的不确定性和耗时性,本文提出了 一种新型的卷积神经网络用于联合视杯视盘的分割,称为M2DS-TransUNet.该网络采用一种多分辨率图像结合并通过压缩与激励模块进行自适应提取的输入形式,同时结合多分辨率模块、Transformer和深度监督机制的优势,使得网络可以提取更加丰富的图像信息.采用五折交叉验证的方式对网络模型进行训练,并在当前三个主流数据集REFUGE、DRISHTI-GS和RIM-ONE-r3上进行了实验验证与评估,在最能体现分割效果的杯盘比指标上分别达到了 0.0284、0.097 8和0.017 9,其分割效果优于当前的一些经典算法.实验结果表明,本文所提出的方法可以提取更为丰富的视杯视盘信息,且具有跨数据集的泛化能力,是一种非常有竞争力的眼底图像视杯视盘联合分割方法.