基于改進U-Net的視網膜血管動靜脈分割和分類算法

吳詩雨， 卓廣平， 朱俊東， 張光華

(1. 太原師范學院 計算機科學與技術學院， 山西 晉中 030619； 2. 太原學院 智能與自動化系， 山西 太原 030032)

0 引 言

眼底視網膜血管是全身唯一可以無創無痛觀測到的血管， 視網膜血管的分割圖像為毛細血管瘤、 視網膜出血斑、 血流分析、 視網膜圖像配準或視網膜圖像合成等血管疾病提供了診斷依據[1]。 目前， 視網膜動脈和靜脈的分割大多是眼科醫生從眼底圖像中根據動靜脈血管的顏色深淺、 口徑粗細、 分支情況等進行識別， 但是， 人工分割視網膜血管區分動靜脈的方法耗時多， 而且受主觀因素影響嚴重， 具有很多不確定性。 因此， 根據眼底視網膜血管分割結果進行動靜脈自動準確分類， 對臨床研究有著重要的意義。

近年來， 深度學習技術在圖像語義分割領域受到了許多計算機視覺和機器學習研究者的關注[2]。 現階段視網膜血管自動分割算法主要分為兩類： 監督學習和無監督學習[3]。 監督學習算法利用已有的先驗標記信息來判斷圖像中像素點是屬于血管還是背景， 無監督學習算法不需要先驗標記信息， 而是讓圖像像素自主學習完成分類。 目前在深度學習中使用較多的是監督學習， 監督學習算法根據先驗標記信息可以自動、 準確地識別圖像像素信息， 結果也更加準確。 目前， 先進的監督方法模型是從眼科專家分割的圖像中獲取， 根據特征提取訓練分類器， 并利用這個分類器進行血管動脈和靜脈的自動分類和分割。……