典型文献
基于Shuffle-Unet的视网膜血管分割研究
文献摘要：
针对传统视网膜血管分割算法检测速度慢,难以应用于实时医疗辅助诊断系统的问题,提出一种轻量型的基于Shuffle-Unet的视网膜血管分割模型.对轻量级模型ShuffleNetV2进行结构剪枝,剪除ShuffleNetV2结构上最后一层卷积层、全局池化层和全连接层,简化模型结构;将剪枝后的ShuffleNetV2作为模型的主干提取网络,降低模型的计算复杂度,提高模型的运行速度;使用随机通道分离操作模块搭建上采样模型结构,增强网络特征传递能力;使用注意力机制模块将模型的第一层特征层输出和上采样层相融合,分别从通道和空间两个维度上增强模型对有效特征的提取.通过DRIVE、CHASE_DB1两个公开数据集与其他视网膜血管分割算法进行对比,有效的证明了Shuffle-Unet模型具有高分割精度和高检测速度的特点.
文献关键词：
视网膜血管;语义分割;模型剪枝;注意力机制
中图分类号：
作者姓名：
秦俊豪;李志忠;冯家乐
作者机构：
广东工业大学信息工程学院 广州510006
文献出处：
引用格式：
[1]秦俊豪;李志忠;冯家乐-.基于Shuffle-Unet的视网膜血管分割研究)[J].电子测量技术,2022(20):117-124
A类：
B类：
Unet,视网膜血管分割,分割算法,检测速度,速度慢,医疗辅助诊断,辅助诊断系统,轻量型,分割模型,轻量级模型,ShuffleNetV2,剪除,卷积层,全局池化,全连接层,简化模型,模型结构,计算复杂度,运行速度,通道分离,分离操作,模块搭建,上采样,样模,网络特征,注意力机制模块,第一层,采样层,增强模型,有效特征,特征的提取,DRIVE,CHASE,DB1,公开数据集,高检,语义分割,模型剪枝
AB值：
0.395124
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
