[1]唐云飞,但志平,洪郑天,等.CAMU-Net：基于Attention U-Net的视网膜血管分割改进模型[J].中国医学物理学杂志,2024,41(8):960-968.[doi:DOI:10.3969/j.issn.1005-202X.2024.08.006]
　TANG Yunfei,DAN Zhiping,et al.CAMU-Net: an improved model for retinal vessel segmentation based on Attention U-Net[J].Chinese Journal of Medical Physics,2024,41(8):960-968.[doi:DOI:10.3969/j.issn.1005-202X.2024.08.006]
点击复制

CAMU-Net：基于Attention U-Net的视网膜血管分割改进模型()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
41卷
期数:
2024年第8期
页码:
960-968
栏目:
医学影像物理
出版日期:
2024-08-31

文章信息/Info

Title:
CAMU-Net: an improved model for retinal vessel segmentation based on Attention U-Net
文章编号:
1005-202X（2024）08-0960-09
作者:
唐云飞1; 2; 但志平1; 2; 洪郑天1; 2; 陈永麟1; 程沛霖3; 成果4; 刘芳婷5
1.三峡大学计算机与信息学院水电工程智能视觉监测湖北省重点实验室， 湖北 宜昌 443002； 2.三峡大学计算机与信息学院智慧医疗宜昌市重点实验室， 湖北 宜昌 430002； 3.华中科技大学同济医学院附属同济医院， 湖北 武汉 430030； 4.清华大学深圳国际研究生院， 广东 深圳 518055； 5.红安县人民医院， 湖北 黄冈 438400
Author(s):
TANG Yunfei1;  2;  DAN Zhiping1;  2;  HONG Zhengtian1;  2;  CHEN Yonglin1;  CHENG Peilin3;  CHENG Guo4;  LIU Fangting5
1. Hubei Key Laboratory of Intelligent Vision Based Monitoring for Hydroelectric Engineering, College of Computer and Information Technology, China Three Gorges University, Yichang 443002, China 2. Yichang Key Laboratory of Intelligent Medicine, College of Computer and Information Technology, China Three Gorges University, Yichang 430002, China 3.Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan 430030, China 4. Tsinghua Shenzhen International Graduate School, Shenzhen 518055, China 5. Hongan County Peoples Hospital, Huanggang 438400, China
关键词:
视网膜血管; 图像分割; 深度学习; CAMU-Net; 注意力机制
Keywords:
Keywords: retinal vessel image segmentation deep learning CAMU-Net attention mechanism
分类号:
R318
DOI:
DOI:10.3969/j.issn.1005-202X.2024.08.006
文献标志码:
A
摘要:
提出一种改进的U-Net模型（CAMU-Net），以达到精准分割视网膜血管的目的。CAMU-Net模型通过添加残差增强模块来提取区域特征中的重要信息，增强模型对区域特征的了解；通过添加特征细化模块来促进特征的提取，提高新模型的全局特征收集能力；通过添加通道注意力机制模块来捕捉图像特征，精确分割结果；通过引入多尺度特征融合结构来提升模型感知目标边界等细节的能力。在DRIVE数据集上进行消融实验，得出各模块的实际效果，验证各模块对于本模型视网膜血管分割各方面提升的作用；在DRIVE和STARE数据集上和其他主流网络模型进行对比分析，结果表明CAMU-Net模型优于其他模型。
Abstract:
An improved U-Net model (channel attention module U-Net, CAMU-Net) is proposed to achieve precise segmentation of retinal vessels. CAMU-Net model enhances its understanding of regional features by employing residual enhancement convolution to extract important information from the regions, improves the global feature acquisition capability by introducing feature refinement module to promote feature extraction, realizes precise segmentation by adding channel attention module to capture image features accurately, and enhances its capability to perceive target boundaries and details through a multi-scale feature fusion structure. The ablation study on the DRIVE dataset validates the role of each module in retinal vessel segmentation. The comparison with other mainstream network models on DRIVE and STARE datasets verify that CAMU-Net model is superior to other models.

相似文献/References:

[1]陈海斌,甄 鑫,周凌宏.基于先验的随机游走算法在医学图像分割中的应用[J].中国医学物理学杂志,2015,32(02):174.[doi:10.3969/j.issn.1005-202X.2015.02.005]
[2]许红玉,蔡坦坦,叶良凯,等.分水岭算法在CT图像分割中的应用[J].中国医学物理学杂志,2014,31(06):5272.[doi:10.3969/j.issn.1005-202X.2014.06.012]
[3]周露,张书旭,余辉,等.PET-CT图像配准的预处理研究[J].中国医学物理学杂志,2013,30(05):4392.[doi:10.3969/j.issn.1005-202X.2013.05.012]
[4]赖胜圣,刘虔铖,张刚平.基于模糊C均值自动随机游走算法在脑肿瘤分割中的应用[J].中国医学物理学杂志,2015,32(05):707.[doi:doi:10.3969/j.issn.1005-202X.2015.05.021]
[5]刘国才,胡泽田,朱苏雨,等.头颈部肿瘤PET与MRI融合放疗靶区自适应区域生长勾画[J].中国医学物理学杂志,2016,33(3):222.[doi:10.3969/j.issn.1005-202X.2016.03.002]
　[J].Chinese Journal of Medical Physics,2016,33(8):222.[doi:10.3969/j.issn.1005-202X.2016.03.002]
[6]贾高杰,邱崧,蔡茗名,等.三维点云重构和体显示在医学辅助诊断中的应用[J].中国医学物理学杂志,2016,33(6):593.[doi:10.3969/j.issn.1005-202X.2016.06.012]
　[J].Chinese Journal of Medical Physics,2016,33(8):593.[doi:10.3969/j.issn.1005-202X.2016.06.012]
[7]张泽凡,张东.基于交叉熵和GVF-Snake的子宫肌瘤高强度聚焦超声图像自动分割算法[J].中国医学物理学杂志,2016,33(8):776.[doi:10.3969/j.issn.1005-202X.2016.08.005]
　[J].Chinese Journal of Medical Physics,2016,33(8):776.[doi:10.3969/j.issn.1005-202X.2016.08.005]
[8]胡立伟,白凯,钟玉敏,等. 基于不同图像分割法构建3D打印右室双出口模型[J].中国医学物理学杂志,2016,33(12):1272.[doi:10.3969/j.issn.1005-202X.2016.12.020]
　[J].Chinese Journal of Medical Physics,2016,33(8):1272.[doi:10.3969/j.issn.1005-202X.2016.12.020]
[9]孟爽,王辉,谢蓄芬,等.超像素有偏观测模糊聚类的乳腺超声图像分割[J].中国医学物理学杂志,2017,34(7):693.[doi:10.3969/j.issn.1005-202X.2017.07.009]
　[J].Chinese Journal of Medical Physics,2017,34(8):693.[doi:10.3969/j.issn.1005-202X.2017.07.009]
[10]刘海坤,王健,杨嵩,等. 基于深度学习和二维高斯拟合的视网膜血管管径测量方法[J].中国医学物理学杂志,2019,36(2):171.[doi:DOI:10.3969/j.issn.1005-202X.2019.02.010]
　LIU Haikun,WANG Jian,YANG Song,et al. Retinal vessel diameter measurement based on depth learning and two-dimensional Gaussian fitting[J].Chinese Journal of Medical Physics,2019,36(8):171.[doi:DOI:10.3969/j.issn.1005-202X.2019.02.010]

备注/Memo

备注/Memo:
【收稿日期】2024-04-25 【基金项目】国家自然科学基金（U1401252） 【作者简介】唐云飞，硕士研究生，研究方向：智慧医疗，E-mail: 1357196465@qq.com 【通信作者】但志平，博士，教授，研究方向：计算机视觉、自然语言处理，E-mail: zp_dan@ctgu.edu.cn
更新日期/Last Update: 2024-08-31