針對傳統(tǒng)視網(wǎng)膜圖像血管分割中部分血管輪廓粗糙、血管末梢和分支細節(jié)丟失等問題,提出一種結(jié)合線性譜聚類超像素與生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks,GAN）的視網(wǎng)膜血管分割方法。該方法首先對GAN進行改進,采用空洞空間金字塔池化模塊的多尺度特征提取來提高GAN分割精度,在獲得視網(wǎng)膜血管分割圖像后,利用線性譜聚類超像素分割的邊緣貼合性高、輪廓清晰的特點,將GAN輸出圖像映射到超像素分割圖再對像素塊進行分類,以達到分割的效果。仿真實驗結(jié)果表明,與傳統(tǒng)的視網(wǎng)膜血管分割方法相比,該方法在靈敏度和準(zhǔn)確性上有一定提升,輪廓邊緣細節(jié)方面有著更好的效果。 

【文章來源】：集成技術(shù). 2020,9(06)

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]基于超像素仿射傳播聚類的視網(wǎng)膜血管分割[J]. 許言兵,周陽,李燦標(biāo),鄭楚君,張潤谷,王文斌.  光學(xué)學(xué)報. 2020(02)
[2]基于線算子引導(dǎo)多尺度匹配濾波的視網(wǎng)膜血管分割[J]. 李燦標(biāo),鄭楚君.  信息通信. 2019(07)
[3]多尺度卷積神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜血管分割[J]. 卓鐘爍,程卉怡,劉冰雁,馮壽廷.  激光雜志. 2019(05)
[4]基于多特征融合的有監(jiān)督視網(wǎng)膜血管提取[J]. 梁禮明,劉博文,楊海龍,石霏,陳新建.  計算機學(xué)報. 2018(11)
[5]糖尿病視網(wǎng)膜病變眼底圖像分類方法[J]. 梁平,熊彪,馮娟娟,廖瑞端,汪天富,劉維湘.  深圳大學(xué)學(xué)報(理工版). 2017(03)
[6]淺談三甲醫(yī)院醫(yī)療器械供應(yīng)鏈管理[J]. 鄭沁春.  中國醫(yī)院管理. 2011(11)



本文編號：2992521