仪器仪表学报

作者：宋伟伟，许茗，于晓升，李海星，王宏宇

单位：宋伟伟,沈阳工业大学人工智能学院沈阳110870,sutsww@163.com,许茗,沈阳工业大学人工智能学院沈阳110870,xuming@sut.edu.cn,于晓升,东北大学机器人科学与工程学院沈阳110167,,李海星,沈阳工业大学人工智能学院沈阳110870,,王宏宇,北京大学未来技术学院北京100091,

关键词：视网膜血管分割;空间频域自适应融合;多尺度高通滤波器

基金：国家自然科学基金项目（62206183）资助

视网膜血管的精确分割对于诊断多种眼部疾病至关重要，它不仅有助于识别糖尿病、动脉硬化和心血管疾病等医学问题，还能显著提升医生对患者疾病的诊断和治疗能力。现有的卷积神经网络方法虽然在空间域内通过卷积操作捕捉局部特征能力表现出色，但在获取全局空间特征信息方面存在局限性。而频域方法虽能捕获图像的整体频谱分布和全局结构特征，却因频域变换过程中的空间信息模糊化处理，难以精确定位局部特征并保留高频细节信息。提出了一种空间频域融合的视网膜血管分割方法，该方法结合了空间域和频域方法在获取局部和全局特征信息方面的优势。首先，设计双支路的空间频域特征提取与融合模块，在编码阶段融合频域和空间域的特征信息，旨在减少下采样过程中丢失的细节特征。此外，引入多尺度高斯滤波器，以提高模型定位血管边界和保持小血管连贯性的能力。最后，通过空间频域自适应融合模块动态计算特征图各区域的融合权重，提升小血管分割的准确性。在DRIVE和CHASE_DB1这两个主流开源数据集上进行了性能测试，其准确率分别为96.9%和97.81%。实验结果表明该研究的方法在血管分割的准确性、小血管的连贯性和应对病变的鲁棒性方面均展现出了竞争优势。

来源：2025年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第5期