结合多尺度特征融合的扩张残差U-Net分割网络在视网膜自动分层中的应用OA
Multie-scale hierarchical feature extraction combined with dilated-residual U-Net for retina automatic segmentation
目的:对视网膜光学相干断层扫描图像中不同层和积液区域的分割.方法:提出一种基于深度学习的轻量级的神经网络,参考DRUNet体系、膨胀卷积和残差网络的架构,通过连接不同深度网络处得到的上采样输出,进行多尺度特征融合,使网络能够更好地识别出图像中的边界信息.结果:改进型DRUNet显著提升了视网膜分层的效果,准确率较U-Net提高了1.25％,同时能提前1～2次迭代达到传统U-Net的准确度.结论:本文采用的网络结构提高了对视网膜光学相干断层扫描图像的分割性能,同时降低了网络参数,具有强大的应用潜力.
梁姗姗;曾鸿为;何杰;张军;袁进
中山大学电子与信息工程学院,广州 510006中山大学电子与信息工程学院,广州 510006中山大学电子与信息工程学院,广州 510006中山大学电子与信息工程学院,广州 510006中山大学中山眼科中心,眼科学国家重点实验室,广州 510000
扩展残差U-Net眼底分割光学相干层析成像
《眼科学报》 2021 (1)
适用于动脉粥样硬化斑块早期检测的微型三功能血管内窥镜探头的研究
10-16,7
国家重点研发计划(2017YFC0112401)国家自然科学基金(6150526761975246).
评论