基于粗糙注意力融合机制与Group Transformer的视网膜血管分割网络 |
| |
作者姓名: | 王海鹏 高自强 董佳俊 胡军 陈奕帆 丁卫平 |
| |
作者单位: | 南通大学信息科学技术学院 |
| |
基金项目: | 国家自然科学基金面上项目(61976120);;江苏省自然科学基金面上项目(BK20231337);;江苏省高校重大自然科学基金项目(21KJA510004);;江苏省研究生科研与实践创新计划项目(SJCX22_1615);;国家级大学生创新创业训练计划项目(202210304030Z); |
| |
摘 要: | 视网膜血管的形态学变化对早期眼科疾病的诊断具有重要意义,除眼科疾病外,糖尿病、心血管疾病等同样可以通过视网膜血管的形态判别疾病进展。然而,视网膜血管本身具有复杂的组织结构,且易受到光线等因素的影响,对其准确分割并不容易。针对上述问题,提出了一种视网膜血管分割网络。该网络中首先设计了粗糙注意力融合模块(rough attention fusion module,RAFM),该模块基于粗糙集上下近似理论,利用全局最大池化与全局平均池化对注意力系数进行上下限描述,并串行融合通道注意力机制与空间注意力机制;然后,将粗糙注意力融合模块融入Group Transformer U network (GT U-Net),构建一种基于粗糙注意力融合机制与Group Transformer的视网膜血管分割网络;最后,基于公开DRIVE彩色眼底图像数据集进行对比实验,该网络结构在测试集上的准确率、F1分数、AUC值分别达到了0.963 1、0.848 8和0.981 2,与GT U-Net模型相比,F1分数、AUC值分别提升了0.35%、0.21%;与其他当前主流...
|
关 键 词: | 粗糙集 注意力机制 眼底视网膜血管 图像分割 Transformer |
|