Abstract：
针对传统算法在眼底视网膜血管分割过程中存在特征提取困难、细节区域分割不精确的问题,本文在U-Net网络的基础上进行改进,提出了一种能更好进行血管分割的算法CSD-UNet.首先,在编码和解码阶段使用了卷积注意力模块,通过引入注意力机制对血管的细微结构进行通道和空间增强;其次,采用了SoftPool的池化方法,保证在下采样阶段保留更多原始信息,增加感受野;最后,选择密集上采样卷积作为本算法的上采样方法,产生像素级预测且捕获更多细节信息.在公开数据集DRIVE、CHASE_DB1上验证该算法,结果表明,该算法较现有的先进算法在分割效果上有一定的提升.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
智能计算机与应用
ISSN： 2095-2163
Year： 2022
Issue： 7
Volume： 12
Page： 151-155,159
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
