多尺度卷积核U-Net模型的视网膜血管分割方法

杨丹^1,2,3，刘国如^1,2，任梦成¹，裴宏杨^1,2

1. 东北大学信息科学与工程学院2. 东北大学辽宁省红外光电材料及微纳器件重点实验室3. 东北大学智能工业数据解析与优化教育部重点实验室

摘 要：针对病变视网膜血管结构的计算机辅助诊断问题,提出了一种多尺度卷积核U-Net模型的视网膜血管分割方法.在U-Net模型基础上设计了融合Inception模块和最大索引值上采样方法的多尺度卷积神经网络结构.在网络训练阶段,采取旋转、镜像等操作进行数据集扩充,运用CLAHE算法进行图像预处理;训练后得到的双通道特征图,进行Softmax归一化;最后通过改进的代价损失函数对归一化结果迭代优化,得到完整的视网膜血管分割模型.实验结果表明,所提方法在DRIVE数据集上分割的准确率达到0.969 4,灵敏性达到0.776 2,特异性达到0.983 5,比U-Net模型具有更优的分割效果和泛化能力,与其他现存方法相比具有一定的竞争力.

关键词：视网膜血管;多尺度卷积核;U-Net模型;Inception模块;CLAHE算法;