一种用于眼底血管分割的粗到细全卷积神经网络

摘要： 眼底血管分析是临床上评估糖尿病视网膜病变和高血压等视网膜疾病发展的重要工具。因此，自动眼底血管分割对于眼科疾病诊断具有重要价值，能够识别并提取相关的对称与非对称模式。此外，由于眼底血管的独特性，该方法还可应用于生物特征识别领域。本文将眼底血管分割重构为像素级分类任务，提出一种新型的由粗到精全卷积神经网络（CF-FCN）用于眼底图像血管提取。该网络通过利用眼底图像中像素间的空间关系，旨在充分利用原始数据信息并弥补神经网络输出的粗糙性。配合必要的预处理与后处理操作，我们在DRIVE、STARE、HRF和CHASE DB1数据集上的实验证实了CF-FCN的有效性与高效性。在DRIVE数据集上，其灵敏度达0.7941，特异度为0.9870，准确率为0.9634，受试者工作特征曲线下面积（AUC）达到0.9787，超越了现有最先进方法。