基于EfficientNet-B5级联U型网络的视网膜血管分割方法

针对视网膜图像细小血管难以分割以及病灶误分割等问题，提出了一种基于EfficientNet-B5级联U型网络的视网膜血管分割方法。首先，采用EfficientNet-B5编码器对图像特征编码，提取图像更深层特征；其次，引入空洞空间卷积池化金字塔模块有效地提取视网膜图像中的多尺度特征信息；在双卷积块中加入高效通道注意力捕获跨通道交互的信息；然后，采用级联U型结构，后一级网络对前一级网络的血管分割结果进行细化与优化；最后，采用形态学算子对网络输出的分割图像进行后处理。在CHASE＿DB1数据集上的实验结果表明，该算法的F1值、特异度、准确率及AUC分别为79.57%、98.21%、96.30%和97.51%,相比FC-RCF、U-Net和Res-UNet等算法均有提升。该算法在精确地分割血管的同时表现出较好的抗干扰性能。