基于密集注意力网络的图像自动分割算法

视网膜血管的结构信息对眼科疾病的诊断具有重要的指导意义，对视网膜血管图像进行髙效正确的分割成为临床的迫切需求。传统的人工分割方法耗时较长且易受个人主观因素的影响，分割质量不高。为此，提出种基于密集注意力网络的图像自动分割算法。将编码器-解码器全卷积神经网络的基础结构与密集连接网络相结合，以充分提取每一层的特征，在网络的解码器端引入注意力门模圢ˆ对不必要的特征进行抑制，提高视网膜血管图像的分割精度。在 DRIVE和 STARE眼底图像数据集上的实明，与其他基于深度学习的算法相比，该算法的敏感性、特异性、准确率和AUC值均较高，分割效果较好。