典型文献
基于注意力机制的多尺度残差U-Net眼底血管分割
文献摘要：
针对现有眼底血管分割方法难以辨别细小血管及交叉处血管分割断裂的问题，提出了一种基于注意力机制的多尺度U型网络。在编码阶段使用改进的残差块结构提取血管深度特征的同时有效解决过拟合问题，接着依次采用多尺度卷积模块和多尺度注意力模块进一步获取深度特征的多尺度特征信息。然后，使用MaxBlurPool进行池化，对数据进行降维并保证平移不变性。此外，在最后一个编码层引入混合注意力机制和并行空洞卷积，前者从通道和空间维度强调需要重点关注的信息，抑制背景区域的干扰；后者用来获取不同大小感受野的特征信息，且不会引入多余参数而导致计算负担。在解码部分，改进跳跃连接方式以抑制噪声的干扰并获得更加丰富的上下文信息。所提算法在公开的眼底数据集上取得了优于其他算法的分割效果。
文献关键词：
图像处理;图像分割;视网膜血管;注意力机制;多尺度卷积;空洞卷积
中图分类号：
作者姓名：
赵凤;钟蓓蓓;刘汉强
作者机构：
西安邮电大学通信与信息工程学院（人工智能学院），陕西 西安 710121;陕西师范大学计算机科学学院，陕西 西安 710119
文献出处：
引用格式：
[1]赵凤;钟蓓蓓;刘汉强-.基于注意力机制的多尺度残差U-Net眼底血管分割)[J].激光与光电子学进展,2022(18):1810002
A类：
MaxBlurPool
B类：
多尺度残差,Net,眼底血管分割,分割方法,辨别,细小,管及,交叉处,割断,在编,残差块,块结构,结构提取,深度特征,过拟合,多尺度卷积,卷积模块,多尺度注意力模块,多尺度特征,特征信息,池化,平移不变性,编码层,混合注意力机制,并行空洞卷积,空间维度,背景区域,同大,感受野,多余,计算负担,解码,跳跃连接,连接方式,抑制噪声,上下文信息,底数,分割效果,图像分割,视网膜血管
AB值：
0.398002
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。
