赵书凝 陈蕊 柳玉婷

摘要：现有Unet网络分割视网膜血管精度较低，为了更精确地分割出视网膜血管，提出一种基于多分支卷积神经网络的视网膜血管的分割方法。在原有UNet网络模型进行改进，即增加級联结构获取更多信息流，有利于复杂特征的提取，同时提出共享权重残差模块来优化模型。实验在DRIVE数据集上进行验证，实验结果表明所提的网络模型与Unet网络分割结果相比，在准确率、灵敏度等评价指标上均有所提升，显示出更好的性能。

关键词：图像处理;视网膜;血管分割;多分支卷积神经网络

中图分类号：TP183      文献标识码：A

文章编号：1009-3044（2021）35-0088-03

Retinal Vessel Segmentation Method Based on Multi Branch Convolutional Neural Network

ZHAO Shu-ning， CHEN Rui， LIU Yu-ting

（Wannan Medical College， Wuhu 241000，China）

Abstract： To solve the problem of low segmentation accuracy caused by the UNet network in the retinal image.To segment retinal vessels more accurately， this paper proposes a new method based on multi-path network on UNet network .To improve the original UNet model， the cascade structure is added to get more information flow， which is beneficial to the extraction of complex features， and the shared weight residual module is proposed to optimize the model.The experiment results on the DRIVE Dataset show that the proposed network model has better performance than the UNet network segmentation results in terms of accuracy and sensitivity.

Key words： image processing; retina; vessel segmentation; Ladder Net

1  引 言

视网膜血管是人体血管系统中唯一可以直接观察的部分，很多疾病需要通过观察视网膜血管的形态学变化来进行判别，比如病糖尿病性视网膜病变、心血管疾病和眼科疾病等。而从视网膜眼底图像中提取视网膜血管形态学特征的关键步骤是血管分割。传统的手工分割血管既耗时又容易出错，因此，开发一种准确的自动视网膜血管分割方法显得尤为重要。

2015年，Ronneberger 等人在MICCAI会议发表Unet，是深度学习在医学影像分割中的突破性的进展。UNet 是基于FCN（fully convolutional network）改进而成，包括编码器、瓶颈（bottleneck）模块、解码器几部分组成，由于其U型结构结合上下文信息和训练速度快、使用数据量小，满足医学影像分割的诉求[1]。但目前研究比较多都是对Unet网络的变体：Jin等人用可变形卷积块改进卷积操作，通过可变形卷积块学进行多尺度的学习，以……