广西师范大学学报(自然科学版)

2021, v.39(05) 122-133

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于卷积神经网络的眼底图像配准研究
Retinal Image Registration Using Convolutional Neural Network

吴玲玉;蓝洋;夏海英;

摘要(Abstract):

传统眼底图像配准方法提取的特征点分布过于密集,导致配准图像无法准确对齐,而眼底血管分叉特征点具有分布稀疏和特征稳定等特性,能提高图像的配准精度和速度。因此,本文针对血管分割和分叉特征点提取,提出一个基于深度学习的眼底图像配准框架。这个框架由2个深度卷积神经网络组成:第一个是眼底血管分割网络SR-UNet,其在U-Net的基础上融合通道注意力(SE)和残差块,用于分割血管去辅助提取特征点;第二个是特征点检测网络FD-Net,用于从血管分割图中提取分叉特征点。提出的配准模型在公共眼底配准数据集FIRE上进行实验,其特征点正确匹配率为90.03%,与较先进的算法进行对比,本文提出的算法在配准定量和视觉分析上都有较好的性能提升,具有较强的鲁棒性。

关键词(KeyWords): 眼底图像配准;深度学习;血管分割网络;特征提取网络;U-Net

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61762014);; 广西研究生教育创新计划项目(YCSW2020101)

作者(Author): 吴玲玉;蓝洋;夏海英;

Email:

DOI: 10.16088/j.issn.1001-6600.2020122801

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享