基于MF-UNet网络的视网膜血管分割

现有的视网膜血管分割算法存在特征提取能力不足、分割效率低等问题。为了解决这个问题，对UNet网络进行了改进，提出了一种基于UNET的多尺度特征提取方法（MF-UNET）。该算法在编码和解码部分构造了一个反褶积积分切割模块，取代了传统的卷积块，使网络保留了更多的血管细节。然后，将混合池（MPM）和模板卷积（Template，convolution，TConv）引入到编码和解码的中间连接中，以提高网络提取多尺度特征的能力，从而提高血管分割的质量和效率。在两个眼底数据库DRIVE和STARE上的实验表明，MF－UNet算法具有良好的准确性、敏感性、特异性和性能，优于UNet等视网膜血管分割算法。