基于粗糙注意力融合機(jī)制與Group Transformer的視網(wǎng)膜血管分割網(wǎng)絡(luò)

打開(kāi)文本圖片集

摘要：視網(wǎng)膜血管的形態(tài)學(xué)變化對(duì)早期眼科疾病的診斷具有重要意義，除眼科疾病外，糖尿病、心血管疾病等同樣可以通過(guò)視網(wǎng)膜血管的形態(tài)判別疾病進(jìn)展。然而，視網(wǎng)膜血管本身具有復(fù)雜的組織結(jié)構(gòu)，且易受到光線等因素的影響，對(duì)其準(zhǔn)確分割并不容易。針對(duì)上述問(wèn)題，提出了一種視網(wǎng)膜血管分割網(wǎng)絡(luò)。該網(wǎng)絡(luò)中首先設(shè)計(jì)了粗糙注意力融合模塊（rough attention fusion module，RAFM），該模塊基于粗糙集上下近似理論，利用全局最大池化與全局平均池化對(duì)注意力系數(shù)進(jìn)行上下限描述，并串行融合通道注意力機(jī)制與空間注意力機(jī)制；然后，將粗糙注意力融合模塊融入Group Transformer U network （GT U-Net），構(gòu)建一種基于粗糙注意力融合機(jī)制與Group Transformer的視網(wǎng)膜血管分割網(wǎng)絡(luò)；最后，基于公開(kāi)DRIVE彩色眼底圖像數(shù)據(jù)集進(jìn)行對(duì)比實(shí)驗(yàn)，該網(wǎng)絡(luò)結(jié)構(gòu)在測(cè)試集上的準(zhǔn)確率、F1分?jǐn)?shù)、AUC值分別達(dá)到了0.963 1、0.848 8和0.981 2，與GT U-Net模型相比，F(xiàn)1分?jǐn)?shù)、AUC值分別提升了0.35%、0.21%；與其他當(dāng)前主流的視網(wǎng)膜血管分割網(wǎng)絡(luò)進(jìn)行對(duì)比，具有一定優(yōu)勢(shì)。（剩余17290字）