一种改进U-Net的眼底血管分割方法
Electronic Design Engineering（2021）
摘要
为提升眼底视网膜血管分割的准确度,文中算法在U-Net基础上进行改进,提出了一种基于全卷积网络的眼底视网膜血管分割算法.将原始U-Net网络上下采样中的卷积层改为Inception模块,该模块可以在平衡网络深度和宽度的前提下,增大上下采样过程中特征向量的多尺度信息量与形状结构形态量;将原始网络底部的池化层部分改为金字塔型空洞卷积,该模块可以针对细小血管特征较难捕捉、分叉处丢失信息量较大的问题,增大局部感受野,更好地完成眼底视网膜血管分割技术.该算法在DRIVE数据库的准确率为95.39％,敏感度为78.42％,F1值为0.8213,较现有的先进算法有一定的提升.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要