基于增强预处理的改进U-Net眼底视网膜血管分割研究

视网膜血管分割是眼底图像研究的基础,也是医学分析和诊断中一项重要而具有挑战性的任务。一方面,眼底图像在采集过程中光照不足或者曝光过度,往往导致视网膜血管的边界不清晰。另一方面,位于血管分支末端的微小血管,有时肉眼也无法分辨。针对这些问题,首先使用加权平均值法对眼底图像进行灰度化预处理,替代传统的提取绿色通道方式,使其保留更多有用信息;其次,通过自适应直方图均衡化对眼底图像进行增强处理,突出血管目标,并对眼底图像数据集进行翻转、旋转和平移等实现数据增广;再次,将处理后的图像输入到训练好的改进U-Net模型中进行分割;最后,对分割结果进行增强处理,提高对比度,提高图片可读性。实验结果表明:本方法在DRIVE数据集上平均Dice系数、准确性、灵敏度和特异性分别达到0.824 7、98.72%、85.38%和98.54%。

An improved retinal vascular segmentation study based U-Net enhanced pretreatment