基于引导滤波和Transformer的双分支视网膜血管分割网络

摘要

引入Transformer结构和UNet++网络，提出一个新的双分支视网膜血管分割网络，该网络中的双分支编码器可以更好地关联图像中的全局信息，使得整个网络在小数据集的训练中也有较好的效果。在此基础上，为了进一步解决UNet网络中下采样操作导致的视网膜血管信息丢失问题，在输出层和网络第二层的特征图引入引导滤波，可以有效提高小血管分割精度。该网络使用DRIVE数据集(digital retinal images for vessel extraction)和CHASEDB1数据集(combined healthy and diabetic retinopathy database 1)进行实验，在精确度、灵敏度等参数上有较大的提升，并且血管分割图中正确分割出更多细小血管，总体表现出较好的效果。

关键词

UNet++ / Transformer / 引导滤波 / 视网膜血管分割