期刊首页 优先出版 当期阅读 过刊浏览 作者中心 关于期刊 English

2019年 第20卷 第8期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2019年 第20卷 第8期 doi: 10.1631/FITEE.1700404

融合显著性模型和高斯网模型的视网膜血管分割方法

1. College of Physics and Information Engineering, Fuzhou University, Fuzhou 350108, China
2. Institute of Computer and Information, Fujian Agriculture and Forestry University, Fuzhou 350002, China

发布日期： 2019-09-23
HTML13 PDF 9 收藏 0

下一篇 上一篇

摘要

视网膜血管分割是眼底图像分析的一个重要问题。本文提出一种融合显著性模型和高斯网（GNET）模型的新型深度学习结构分割视网膜血管。显著性图像替代原始图像作为GNET模型的输入。GNET模型具有双边对称结构。左边结构中，在第一层进行上采样操作，在其他层进行最大池化操作；右边结构中，在第一层进行最大池化操作，在其他层进行上采样操作。利用DRIVE数据库对所提方法进行评估。实验结果表明，与UNET模型相比，GNET模型能获得更精确的特征和更精细的细节。本文所提算法能提取准确的血管网络，与其他深度学习方法相比具有更高精确度。视网膜血管分割有助于提取血管变化特征，为脑血管疾病筛查提供依据。

相关研究