基于对比与重构的无监督多粒度眼底图像分割

摘要

针对眼底图像分割任务对大规模标注数据依赖强、特征表达不足以及分割结果单一的问题，提出了一种无监督多粒度视网膜图像分割方法。构建了新型的全卷积编码器-解码器结构，用以充分捕捉图像的局部细节与全局语义特征，实现多层次特征的高效重构。在此基础上，设计了一种综合损失函数，将像素级补丁对比损失、表征级对比学习损失与全局重构损失进行联合优化，通过多尺度特征约束强化模型的表征能力，使特征空间更适配分割任务的结构分布。在得到的表征空间中引入扩散凝聚算法，以聚合多尺度语义信息，提升分割边界的精确性与整体结构的连贯性，并生成具有层次性和多粒度特征的分割结果。在公开的视网膜眼底数据集上对提出的方法进行验证，结果显示，该方法在无监督条件下的Dice系数较当前主流无监督分割模型平均提升3.7%,在分割细节保真度与结构一致性方面均表现出显著优势，该方法能够有效实现眼底图像的高精度、多粒度分割。

关键词

眼底图像分割 / 无监督 / 对比学习 / 全局重构 / 扩散凝聚