张志昂，廖光忠

基于U-Net的多尺度特征增强视网膜血管分割算法

张志昂1*，廖光忠2

（1.武汉科技大学 计算机科学与技术学院，武汉 430065； 2.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉 430065）（ ∗ 通信作者电子邮箱zzacc1551490@163.com）

针对传统视网膜血管分割算法存在血管分割精度低和病灶区域误分割等缺点，提出一种基于U-Net的多尺度特征增强视网膜血管分割算法（MFEU-Net）。首先，为解决梯度消失问题，设计一种改进的特征信息增强残差模块（FIE-RM）替代U-Net的卷积块；其次，为扩大感受野并提高对血管信息特征的抽取能力，在U-Net的底部引入多尺度密集空洞卷积模块；最后，为减少编解码过程中的信息损失，在U-Net的跳跃连接处构建多尺度通道增强模块。在DRIVE（Digital Retinal Images for Vessel Extraction）和CHASE_DB1数据集上的实验结果表明，与在视网膜血管分割方面表现次优的算法CS-Net（Channel and Spatial attention Network）相比，MFEU-Net的F1分数分别提高了0.35和1.55个百分点，曲线下面积（AUC）分别提高了0.34和1.50个百分点，这验证了MFEU-Net可以有效提高对视网膜血管分割的准确性和鲁棒性。

视网膜血管分割；U-Net；多尺度信息；密集空洞卷积；残差网络；病灶区域

0 引言

眼底中蕴含了大量的微小血管，可以利用设备直接观察视网膜中的血管系统，为医生的后续治疗方案提供帮助。视网膜血管的形状变化［1］在一定程度上直接反映了身体健康状况，如糖尿病病人、青光眼患者等视网膜的细微变化可以较好地反映器官的健康状况。为了提供更好的治疗方案，准确分割视网膜血管尤为重要。只有准确地分割出微小血管，才能进行进一步的诊断，因此使用高精度的视网膜血管分割算法帮助疾病治疗十分重要。……