基于殘差卷積注意力網(wǎng)絡(luò)的視網(wǎng)膜血管分割算法

陳 林，陳亞軍，沈 銳

(西華師范大學(xué) a.計算機(jī)學(xué)院 b.教育信息技術(shù)中心，四川 南充 637002)

0 引言

各種眼科疾病，糖尿病和血液病等全身性疾病發(fā)病率隨年增長.臨床上，視網(wǎng)膜血管圖像不僅用于評估和監(jiān)測各種眼科疾病，也能及時地反映出糖尿病和血液病等全身性疾病.盡早發(fā)現(xiàn)潛在疾病，由醫(yī)生提供相應(yīng)治療.有助于改善患者病情，降低患者病情加重的風(fēng)險.因此分析眼底視網(wǎng)膜血管顯得十分重要.

現(xiàn)如今已經(jīng)有非常多的傳統(tǒng)算法對視網(wǎng)膜圖像中的血管進(jìn)行分割，例如：基于數(shù)學(xué)的形態(tài)學(xué)方法[1]、基于血管中心線方法[2]、基于像素特征分割方法[3]等.近些年隨著深度學(xué)習(xí)的快速發(fā)展，殘差神經(jīng)網(wǎng)絡(luò)不斷被使用，如張笑楠等[4]提出了基于殘差網(wǎng)絡(luò)的三維人臉識別方法.基于深度學(xué)習(xí)的圖像分割算法也是層出不窮，如FCN(fully convolutional networks)[5]、SegNet[6]、U-Net[7]等算法.使用基于深度學(xué)習(xí)的方法來分割視網(wǎng)膜圖像中的血管的算法也不斷被提出，如Li等[8]提出新的視網(wǎng)膜圖像血管分割的監(jiān)督方法.該方法將分割問題轉(zhuǎn)化為跨模態(tài)數(shù)據(jù)的問題從視網(wǎng)膜圖像到血管圖的轉(zhuǎn)換.如Zhao等[9]提出了新的無限主動輪廓模型，利用圖像的混合區(qū)域信息來進(jìn)行血管結(jié)構(gòu)的自動檢測.Alom 等[10]提出適用于多種場景的醫(yī)學(xué)圖像分割任務(wù)的遞歸殘差結(jié)構(gòu)的U-Net網(wǎng)絡(luò)模型.Oliveira等[11]提出基于平穩(wěn)小波變換提供的多尺度分析與多尺度全卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的改進(jìn)全卷積神經(jīng)網(wǎng)絡(luò)，來處理視網(wǎng)膜血管結(jié)構(gòu)的寬度和方……