基于自适应补偿网络的视网膜血管分割

基于眼底图像的视网膜血管精确分割对眼科疾病诊断意义重大。但视网膜血管结构高度复杂，多尺度及前、背景比例失衡，自动分割困难。因此，本文提出自适应补偿网络（SACom）实现端到端的视网膜血管精确分割。SACom以U型网络为基本框架，首先在编码器端引入可变形卷积提高复杂血管结构信息学习能力；然后在U型网络底部设计自适应多尺度对齐上下文模块提取并聚合多尺度上下文信息，对齐上下文特征；最后在解码器端设计协同补偿分支，融合多级输出提升模型的映射能力，实现精细分割。实验结果表明，SACom可有效提高视网膜血管的分割精度，在DRIVE、CHASE＿DB1和STARE三个公共数据集上的准确率分别达到0.9695、0.9763和0.9753，灵敏度分别达到0.8403、0.8748和0.8506，曲线下面积（AUC）分别达到0.9880、0.9917和0.9919。