基于Dense U-net方法的眼底彩色照片图像血管分割研究
张亮军1
承垠林1
马梦楠1
马丽2
周毅3
1.中山大学生物医学工程学院,广州,5100062.中山大学中山眼科中心,广州,5100803.中山大学中山医学院医学信息教研室,广州,510080
摘要：眼底彩色照片图像血管分析可用于评估和监测各种眼科疾病,对患者提前干预治疗提供指导,减少致盲风险,具有十分重要的临床意义.目前眼底血管分割的算法及模型,对于细小血管如视网膜毛细血管的分割效果仍有待提高.本研究针对此问题提出Dense U-net网络架构,该模型在U-net网络中加入了Dense Block架构,可以提高细小血管的分割准确率,同时该算法模型在DRIVE(digital retinal images of vessel extration,DRIVE)公开数据集上进行了实验,相比现有的算法,本研究模型的准确率、灵敏度、特异性分别为0.9532、0.7977、0.9759,其中灵敏度的提高可以使得算法模型更准确地识别并分割出细小血管.
关键词：眼底图像U-net血管分割神经网络深度学习
分类号：R318(医用一般科学)
资助基金：国家重点研发计划(2018YFC0116902)国家自然科学基金(61876194)中央高校基本科研业务费专项(19YKYJS52)NSFC-广东大数据科学中心联合基金资助项目(NSFC;U1611261)广州市科技计划(201604020016)
论文发表日期：2019-01-01
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：6( 397-402 )
英文信息