基于多分支卷積神經網絡的視網膜血管分割方法

趙書凝 陳蕊 柳玉婷

摘要：現有Unet網絡分割視網膜血管精度較低，為了更精確地分割出視網膜血管，提出一種基于多分支卷積神經網絡的視網膜血管的分割方法。在原有UNet網絡模型進行改進，即增加級聯結構獲取更多信息流，有利于復雜特征的提取，同時提出共享權重殘差模塊來優化模型。實驗在DRIVE數據集上進行驗證，實驗結果表明所提的網絡模型與Unet網絡分割結果相比，在準確率、靈敏度等評價指標上均有所提升，顯示出更好的性能。

關鍵詞：圖像處理;視網膜;血管分割;多分支卷積神經網絡

中圖分類號：TP183 ? ? ?文獻標識碼：A

文章編號：1009-3044（2021）35-0088-03

Retinal Vessel Segmentation Method Based on Multi Branch Convolutional Neural Network

ZHAO Shu-ning， CHEN Rui， LIU Yu-ting

（Wannan Medical College， Wuhu 241000，China）

Abstract： To solve the problem of low segmentation accuracy caused by the UNet network in the retinal image.To segment retinal vessels more accurately， this paper proposes a new method based on multi-path network on UNet network .To improve the original UNet model， the cascade structure is added to get more information flow， which is beneficial to the extraction of complex features， and the shared weight residual module is proposed to optimize the model.The experiment results on the DRIVE Dataset show that the proposed network model has better performance than the UNet network segmentation results in terms of accuracy and sensitivity.

Key words： image processing; retina; vessel segmentation; Ladder Net

1 ?引 言

視網膜血管是人體血管系統中唯一可以直接觀察的部分，很多疾病需要通過觀察視網膜血管的形態學變化來進行判別，比如病糖尿病性視網膜病變、心血管疾病和眼科疾病等。而從視網膜眼底圖像中提取視網膜血管形態學特征的關鍵步驟是血管分割。傳統的手工分割血管既耗時又容易出錯，因此，開發一種準確的自動視網膜血管分割方法顯得尤為重要。

2015年，Ronneberger 等人在MICCAI會議發表Unet，是深度學習在醫學影像分割中的突破性的進展。UNet 是基于FCN（fully convolutional network）改進而成，包括編碼器、瓶頸（bottleneck）模塊、解碼器幾部分組成，由于其U型結構結合上下文信息和訓練速度快、使用數據量小，滿足醫學影像分割的訴求[1]。但目前研究比較多都是對Unet網絡的變體：Jin等人用可變形卷積塊改進卷積操作，通過可變形卷積塊學進行多尺度的學習，以……