摘 要：針對視網(wǎng)膜眼底血管分割結(jié)果存在的斷裂、分割不足等問題，提出局部與全局雙支路分割模型，局部支路先對圖像進(jìn)行平均分割，對分割后的圖片進(jìn)行局部特征信息提取，全局支路則是對全局信息進(jìn)行特征提取，在２ 條支路之間通過特征融合模塊（Ｆｅａｔｕｒｅ Ｆｕｓｉｏｎ Ｍｏｄｕｌｅ，ＦＦＭ） 進(jìn)行連接，使得網(wǎng)絡(luò)之間的聯(lián)系更加密切，全局、局部支路信息共享，在局部支路的最底層加入層數(shù)為６ 的Ｔｒａｎｓｆｏｒｍｅｒ 模塊，對底層的抽象通知進(jìn)行高效提取利用，減少特征信息的丟失，提高網(wǎng)絡(luò)的分割精度。提出的模型在公開數(shù)據(jù)集ＤＲＩＶＥ、ＳＴＡＲＥ 上的準(zhǔn)確率分別為９８． ３９％ 、９８． ７６％ ，與傳統(tǒng)模型分割精度相比得到了較大的提升。

關(guān)鍵詞：圖像分割；視網(wǎng)膜血管；雙通道模型；特征融合

中圖分類號(hào)：ＴＰ３９１． ４１ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１２－２８８８－０７

０ 引言

人類的視網(wǎng)膜是一個(gè)含有非常豐富血管信息的光敏組織，而且具有非入侵和非創(chuàng)傷可視化的性質(zhì)。血管是視網(wǎng)膜最重要的組成部分之一，視網(wǎng)膜血管的結(jié)構(gòu)和形態(tài)，如直徑、角度、分支等一直都是冠心病、糖尿病、動(dòng)脈硬化等疾病的重要診斷指標(biāo)之一，對其進(jìn)行分析可以幫助醫(yī)生診斷和治療人體各種系統(tǒng)疾病。目前臨床醫(yī)學(xué)的血管圖像大多是以專家手動(dòng)分割為主，但是因?yàn)橐暰W(wǎng)膜血管較細(xì)且密集，導(dǎo)致人工手動(dòng)分割視網(wǎng)膜血管變得非常繁瑣，并且容易出錯(cuò)。所以需要研究一種高效的視網(wǎng)膜血管自動(dòng)分割算法為眼科醫(yī)生提供有價(jià)值的診斷輔助。

在視網(wǎng)膜血管分割中，基于Ｔｒａｎｓｆｏｒｍｅｒ 模型的研究并不常見，有些文獻(xiàn)中的模型通過注意力機(jī)制來提高分割的精度，但是這些網(wǎng)絡(luò)的編碼部分和解碼部分均由卷積層構(gòu)成，隨著ＴｒａｎｓＵＮｅｔ 的提出，這個(gè)模型使用基于Ｔｒａｎｓｆｏｒｍｅｒ 的編碼器對圖像進(jìn)行操作，并且?guī)в刑S連接解碼器來分割圖像。Ｔｒａｎｓｆｏｒｍｅｒ的模型在較大數(shù)據(jù)集上的訓(xùn)練效果較好，但是視網(wǎng)膜血管的數(shù)據(jù)集都較小，將Ｔｒａｎｓｆｏｒｍｅｒ 作用于視網(wǎng)膜血管圖像分割時(shí)的效果往往不會(huì)很好。