基于通道注意力双路径架构网络分割视网膜血管

目的 评价基于通道注意力的双路径架构网络(DPCA-Net)算法分割视网膜血管的效果.方法 基于DRIVE及CHASE DB1公开数据集,通过在网络中引入通道注意力机制,融合于主路径与次路径网络中提取的特征,构建端-端DPCA-Net视网膜血管分割深度学习体系结构,并构建未引入通道注意力机制的双路径架构网络(DP-Net)算法,评价其分割视网膜血管的效果.结果 DPCA-Net算法可正确识别中央血管反射区中的血管;亮斑区大部分血管被正确识别,背景干扰区中仅小部分背景被认为是血管,黑斑区部分形状类似血管的黑斑被认为是血管.DPCA-Net算法分割DRIVE/CHASE_ DB1数据集中视网膜血管的准确率为95.58％％/96.34％,敏感度为80.37％/77.70％,特异度为97.80％/98.22％,F1值为82.24％/79.55％;除基于DRIVE数据集的敏感度之外均高于DP-Net算法.结论 相比DP-Net算法,DPCA-Net算法能学习更多血管分割特征,且对病变区域不敏感,分割视网膜血管效果较好.