一种基于超像素和生成对抗网络的视网膜血管分割方法

发布时间：2021-01-22 04:08

　　针对传统视网膜图像血管分割中部分血管轮廓粗糙、血管末梢和分支细节丢失等问题,提出一种结合线性谱聚类超像素与生成对抗网络（Generative Adversarial Networks,GAN）的视网膜血管分割方法。该方法首先对GAN进行改进,采用空洞空间金字塔池化模块的多尺度特征提取来提高GAN分割精度,在获得视网膜血管分割图像后,利用线性谱聚类超像素分割的边缘贴合性高、轮廓清晰的特点,将GAN输出图像映射到超像素分割图再对像素块进行分类,以达到分割的效果。仿真实验结果表明,与传统的视网膜血管分割方法相比,该方法在灵敏度和准确性上有一定提升,轮廓边缘细节方面有着更好的效果。 

【文章来源】：集成技术. 2020,9(06)

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于超像素仿射传播聚类的视网膜血管分割[J]. 许言兵,周阳,李灿标,郑楚君,张润谷,王文斌.  光学学报. 2020(02)
[2]基于线算子引导多尺度匹配滤波的视网膜血管分割[J]. 李灿标,郑楚君.  信息通信. 2019(07)
[3]多尺度卷积神经网络的视网膜血管分割[J]. 卓钟烁,程卉怡,刘冰雁,冯寿廷.  激光杂志. 2019(05)
[4]基于多特征融合的有监督视网膜血管提取[J]. 梁礼明,刘博文,杨海龙,石霏,陈新建.  计算机学报. 2018(11)
[5]糖尿病视网膜病变眼底图像分类方法[J]. 梁平,熊彪,冯娟娟,廖瑞端,汪天富,刘维湘.  深圳大学学报(理工版). 2017(03)
[6]浅谈三甲医院医疗器械供应链管理[J]. 郑沁春.  中国医院管理. 2011(11)



本文编号：2992521