基于改进U-Net的视网膜血管分割

针对传统算法在眼底视网膜血管分割过程中存在特征提取困难、细节区域分割不精确的问题，本文在U-Net网络的基础上进行改进，提出了一种能更好进行血管分割的算法CSD-UNet。首先，在编码和解码阶段使用了卷积注意力模块，通过引入注意力机制对血管的细微结构进行通道和空间增强；其次，采用了SoftPool的池化方法，保证在下采样阶段保留更多原始信息，增加感受野；最后，选择密集上采样卷积作为本算法的上采样方法，产生像素级预测且捕获更多细节信息。在公开数据集DRIVE、CHASE＿DB1上验证该算法，结果表明，该算法较现有的先进算法在分割效果上有一定的提升。