• 1. 江西理工大学 电气工程与自动化学院(江西赣州 341000);
  • 2. 赣南医学院 信息工程学院(江西赣州 341000);
  • 3. 赣南医学院第一附属医院 眼科(江西赣州 341000);
导出 下载 收藏 扫码 引用

针对现有视网膜血管分割算法存在主血管末端易断裂、中心黄斑和视盘边界易误分割等问题,本文提出一种融合血管轮廓信息与条件生成对抗网络的视网膜血管分割算法。首先,采用非均匀光照移除和主成分分析处理眼底图像,增强血管与背景的对比度,并获得特征信息丰富的单尺度灰度图像。其次,将集成了带偏移量的深度可分离卷积和挤压激励(SE)模块的密集块同时运用到编码器和解码器,缓解梯度消失和梯度爆炸,同时使得网络专注于学习目标的特征信息。然后,引入轮廓损失函数,提升网络对血管信息和轮廓信息的辨识能力。最后,在 DRIVE 与 STARE 数据集上分别进行实验,受试者曲线值分别达到 0.982 5 和 0.987 4,准确率分别达到 0.967 7 和 0.975 6。实验结果表明,本文提出的算法能够准确辨别轮廓与血管,减少血管断裂,在临床眼科疾病诊断中具有一定的应用价值。