计算机应用研究

作者：梁礼明,陈鑫,周珑颂,余洁,

单位：江西理工大学电气工程与自动化学院,江西赣州341000；

关键词：视网膜分割,可伸缩级联模块,自校准注意力,Transformer特征提取,多尺度挤压激励模块,

基金：国家自然科学基金资助项目(51365017,61463018)；江西省自然科学基金资助项目(20192BAB205084)；江西省教育厅科学技术研究重点项目(GJJ170491)；；

针对视网膜细小血管分割精度低的问题，提出一种融合可伸缩级联模块、Transformer和自校准注意力的改进U-Net算法以提高细小血管分割精度。首先在编码阶段利用可伸缩级联模块，先行学习复杂多变的视网膜血管拓扑结构。然后在解码阶段提出一种自校准注意力机制，利用多尺度挤压激励模块，自适应对特征图通道和空间之间特征重要性进行校准，增强目标区域特征响应，抑制背景噪声。最后使用Transformer特征提取块，提高特征空间映射能力。基于DRIVE和CHASEDB1数据集的实验结果表明，所提算法准确率分别为96.49%和96.67%，灵敏度分别为83.75%和83.30%，特异性分别为98.28%和98.01%，AUC分别为0.987 1和0.987 2，所提算法的整体性能优于现有算法，各模块能够有效提高细小血管分割能力。

来源：2023年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第3期