研究论文

AA-WGAN公司：：注意力增强的Wasserstein生成对抗网络及其在眼底视网膜血管分割中的应用

作者:

梅林线路接口单元,

福阿德E。阿尔萨迪、和

念音曾作者信息和声明

体积158,问题C类

https://doi.org/10.1016/j.compbiomed.2023.106874

出版:2023年5月1日出版历史

摘要

本文提出了一种新的注意增强Wasserstein生成对抗网络（AA-WGAN）用于眼底视网膜血管分割，其中设计了一个带有注意增强卷积和挤压激励模块的U形网络作为生成器。特别是，复杂的血管结构使得一些微小血管难以分割，而所提出的AA-WGAN能够有效地处理这种不完美的数据属性，它能够通过应用注意增强卷积来捕获整个图像中像素之间的相关性，以突出感兴趣的区域。通过应用挤压激励模块，生成器能够关注特征图的重要通道，并且可以抑制无用信息。此外，在WGAN主干中采用了梯度惩罚方法，以缓解由于过度关注准确性而产生大量重复图像的现象。该模型在DRIVE、STARE和CHASE_DB1三个数据集上进行了综合评价，结果表明，与其他几种先进模型相比，该模型是一种竞争性血管分割模型，在每个数据集上的准确率分别为96.51%、97.19%和96.94%。烧蚀研究验证了应用的重要部件的有效性，这也使所提出的AA-WGAN具有相当大的泛化能力。

集锦

•

ASU-Net和WGAN的结合促进了准确的分割。

•

设计的ASU-Net增强了全局特征提取能力。

•

AugConv模块和SE模块提高了模型的泛化能力和鲁棒性。

工具书类

[1]

Fraz M.、Remagnino P.、Hoppe A.、Uyyanonvara B.、Rudnicka A.、Owen C.、Barman S.，视网膜图像中的血管分割方法——一项调查，计算。方法生物识别程序。108 (1) (2012) 407–433.

数字图书馆

[2]

Mookiah M.、Hogg S.、MacGillivray T.、Prathiba V.、Pradeepa R.、Mohan V.、Anjana R.、Doney A.、Palmer C.、Trucco E.，视网膜血管分割和动静脉分类的机器学习方法综述，医学图像分析。68（2021）第101905条。

[3]

Y.Wu，Y.Xia，Y.Song，Y.Zhang，W.Cai，视网膜血管分割的多尺度网络跟踪网络模型，在：国际医学图像计算和计算机辅助干预会议，2018，第119–126页。

[4]

W.Wang，J.Zhong，H.Wu，Z.Wen，J.Qin，《视网膜血管分割的高效特征金字塔级联网络》，收录于：《医学图像计算和计算机辅助干预国际会议》，2020年，第796–805页。

[5]

Vlachos M.，Dermatas E.，使用线跟踪的多尺度视网膜血管分割，计算。医学成像图。34 (3) (2010) 213–227.

[6]

赵毅，刘毅，吴欣，哈定S.，郑毅，视网膜血管分割：一种有效的基于视网膜和局部相位的图形切割方法，公共科学图书馆一号10 (4) (2015).

[7]

Fraz M.，Remagnino P.，Hoppe A.，Uyyanonvara B.，Rudnicka A.，Owen C.，Barman S.，一种应用于视网膜血管分割的基于集合分类的方法，IEEE传输。生物识别。工程师。59 (9) (2012) 2538–2548.

[8]

李强，冯波，谢立，梁平，张华，王涛，视网膜图像血管分割的跨模态学习方法，IEEE传输。医学影像学35 (1) (2016) 109–118.

[9]

顾Z.，程杰，傅宏，周凯，郝宏，赵勇，张涛，高S.，刘杰，Ce-net：二维医学图像分割的上下文编码网络，IEEE传输。医学影像学38 (10) (2019) 2281–2292.

[10]

Goodfellow I.、Pouget-Abadie J.、Mirza M.、Xu B.、Warde-Farley D.、Ozair S.、Courville A.、Bengio Y.、Generative敌对网络、，Commun公司。ACM公司63 (11) (2020) 139–144.

数字图书馆

[11]

周瑜，陈忠，沈宏，郑欣，赵荣，段欣，视网膜血管分割的精细平衡生成对抗网络，神经计算437 (2021) 118–130.

[12]

古拉贾尼一世、艾哈迈德·F·、阿乔夫斯基·M·、杜穆林五世、库尔维尔·A·。，改进瓦瑟斯坦人的训练, 2017,arXiv:1704.00028v3.

[13]

O.Ronneberger，P.Fischer，T.Brox，《U-net：生物医学图像分割的卷积网络》，收录于：《国际医学图像计算和计算机辅助干预会议》，2015年，第234–241页。

[14]

Jin Q.，Meng Z.，Pham T.，Chen Q.，Wei L.，Su R.，Dunet：视网膜血管分割的可变形网络，知识-基于系统。178 (2019) 149–162.

数字图书馆

[15]

钟曦、张宏、李刚、纪迪，你需要锐化的细节吗？Asking mmdc net：用于视网膜血管分割的多层多尺度扩张卷积网络，计算。生物医学。150 (2022).

[16]

Dong F.，Wu D.，Guo C.，Zhang S.，Yang B.，Gong X.，Craunet：用于视网膜血管分割的级联剩余注意力u-net，计算。生物医学。147 (2022).

数字图书馆

[17]

Son J.、Park S.、Jung K.、。，基于生成对抗网络的眼底镜图像视网膜血管分割, 2017,arXiv:1706.09318.

[18]

W.Tu，W.Hu，X.Liu，J.He，Drpan:视网膜血管分割的新型对抗性网络方法，收录于：2019年IEEE第14届工业电子与应用会议，2019年，第228-232页。

[19]

Guo X.，Chen C.，Lu Y.，Meng K.，Chen H.，Zhou K.，Wang Z.，Xiao R.，视网膜血管分割与生成对抗性网络和密集u-net相结合，IEEE接入8 (2020).

[20]

Q.Huo，G.Tang，F.Zhang，粒子群优化在生成性对抗网络的半监督视网膜血管分割中的极大增强，摘自：《心血管健康机器学习和医学工程国际研讨会》，2019年，第112-120页。

[21]

M.Arjovsky、S.Chintala、L.Bottou、Wasserstein生成性对抗网络，摘自：2017年国际机器学习会议，第214-223页。

[22]

I.Bello，B.Zoph，A.Vaswani，J.Shlens，Q.Le，注意力增强卷积网络，收录于：IEEE/CVF国际计算机视觉会议论文集，2019年，第3286–3295页。

[23]

J.Hu，L.Shen，G.Sun，挤压和激励网络，摘自：2018 IEEE/CVF计算机视觉和模式识别会议，2018年，第7132–7141页。

[24]

Staal J.、Abramoff M.、Niemeijer M.、Viergever M.和van Ginneken B.，视网膜彩色图像中基于脊线的血管分割，IEEE传输。医学影像学23 (4) (2004) 501–509.

[25]

Hoover A.，Kouznetsova V.，Goldbaum M.，通过匹配滤波器响应的分段阈值探测定位视网膜图像中的血管，IEEE传输。医学影像学19 (3) (2000) 203–210.

[26]

Owen C.、Rudnicka A.、Mullen R.、Barman S.、Monekosso D.、Whincup P.、Ng J.、Paterson C.，《测量10岁儿童的视网膜血管扭曲度：视网膜（caiar）程序的计算机辅助图像分析验证》，投资。眼科学。视觉。科学。50 (5) (2009) 2004–2010.

[27]

Alom M.、Hasan M.、Yakopcic C.、Taha T.、Asari V.、。，基于u-net（r2u-net）的递归残差卷积神经网络在医学图像分割中的应用, 2018,arXiv公司：1802.06955.

[28]

H.Li，Y.Wang，C.Wan，J.Shen，Z.Chen，H.Ye，Q.Yu，Mau-net:视网膜血管分割方法，收录于：2020年第42届IEEE医学与生物学会工程国际年会，2020年，第1958-1961页。

[29]

刘勇，芮霞，李忠，曾德，李杰，陈鹏，梁瑞，视网膜血管分割的特征金字塔u-net，IET图像处理。15 (8) (2021) 1733–1744.

[30]

郭S.，Dpn：高效分割视网膜血管的高分辨率细节保护网络，J.环境智能。Humaniz公司。计算。(2021),.

[31]

王杰、赵毅、钱磊、于欣、高毅、。，耳网：视网膜血管分割的错误注意细化网络, 2021,arXiv:2017.01351.

[32]

袁毅，张磊，王磊，黄浩，视网膜血管分割多级注意网络，IEEE J.生物医学。健康信息。26 (1) (2022) 312–323.

[33]

Gai W.，Liu Y.，Zhang J.，Jing G.，用于实时目标检测的改进型微型YOLOv3，系统。科学。控制工程师。9 (1) (2021) 314–321.

[34]

唐杰，毛杰，盛伟，胡勇，高宏，基于弱监督聚类的人脸表情纹理特征提取与优化，系统。科学。控制工程师。9 (1) (2021) 514–528.

[35]

Wu P.，Wang Z.，Zheng B.，Li H.，Alsaadi F.，Zeng N.，AGGN：基于注意力的胶质瘤分级网络，具有多尺度特征提取和多模态信息融合，计算。生物医学。152 (2023).

[36]

李忠，姜瑜，穆宏，基于平行张量压缩的参数化模型降阶，国际。系统科学杂志。52 (11) (2021) 2201–2216.

[37]

李宏，吴平，王忠，毛杰，阿尔萨迪F，曾恩，特征学习增强卷积神经网络在病理影像导向癌症诊断中的通用框架，计算。生物医学。151 (2022).

[38]

李宏，曾恩，吴平，克劳森·K，Cov-Net：一种通过机器视觉从胸部X射线图像识别新型冠状病毒肺炎的计算机辅助诊断方法，专家系统。申请。207 (2022).

数字图书馆

[39]

陆鹏，宋斌，徐磊，基于卷积神经网络和增强数据集的人脸识别，系统。科学。控制工程师。9（s2）（2021）29–37。

[40]

Fang J.，Wang Z.，Liu W.，Lauria S.，Zeng N.，Prieto C.，Sikstrom F.，Liu X.，一种用于异常检测的新粒子群优化算法：电弧添加剂制造中的工业数据聚类，IEEE传输。自动。科学。工程师。(2022),.

[41]

罗旭，袁毅，陈S.，曾N.，王忠，位置转换粒子群优化结合潜在因素分析，IEEE传输。知识。数据工程。34 (8) (2022) 3958–3970.

[42]

胡J.，贾C.，刘海，易欣，刘勇，复杂动力网络状态估计综述，国际。系统科学杂志。52 (16) (2021) 3351–3367.

[43]

毛J.，孙毅，易欣，刘宏，丁D.，网络非线性系统的递归滤波：综述，国际。系统科学杂志。52 (6) (2021) 1110–1128.

[44]

徐斌，胡杰，贾C.，曹政，黄杰，具有通信传输延迟和随机耦合的线性时变不确定网络基于预测的状态估计，系统。科学。控制工程师。9 (1) (2021) 173–187.

[45]

Pinto E.、Nepomuceno E.、Campanharo A.，使用复杂网络传播动物布鲁氏菌病的个体建模，国际期刊网。动态。智力。1 (1) (2022) 120–129.

[46]

张琦，周瑜，非高斯随机系统控制理论及其应用的最新进展，国际期刊网。动态。智力。1 (1) (2022) 111–119.

[47]

李宏，吴平，曾恩，刘勇，阿尔萨迪F。侧流免疫分析的参数识别、状态估计和数据分析综述：从系统科学的角度，国际期刊系统。科学。(2022),.

[48]

Cheng Y.，Niu B.，Zhao X.，Zong G.，Ahmad A.，具有bouc-wen滞后输入的互联非线性系统的事件触发自适应分散控制，国际。系统科学杂志。(2023) 1–14.

[49]

王楠，傅梓，陶峰，宋S.，马明，一类严格反馈随机非线性系统的自适应模糊定时控制，系统。科学。控制工程师。10 (1) (2022) 142–153.

[50]

王旭，孙毅，丁丁，通信约束下网络控制系统的自适应动态规划：趋势与技术综述，国际期刊网。动态。智力。1 (1) (2022) 85–98.

[51]

王明，王宏，郑宏，生物网络节点中心性度量的迷你综述，国际期刊网。动态。智力。1 (1) (2022) 99–110.

索引术语

AA-WGAN：注意力增强的Wasserstein生成对抗网络及其在眼底视网膜血管分割中的应用
1. 应用计算
  1. 生命与医学
2. 计算方法
  1. 人工智能
    1. 计算机视觉
      1. 计算机视觉问题
        目标检测
  2. 机器学习
    1. 机器学习方法
      1. 神经网络

索引项已通过自动分类分配给内容。

建议

非增殖性糖尿病视网膜病变的视网膜血管分割

糖尿病视网膜病变是糖尿病患者的一种影响眼睛的疾病。这种情况的发生是由于视网膜上光敏组织的血管受损。在非增殖性糖尿病视网膜病变中，血管发生微小变化。。。
阅读更多信息
基于不确定性感知半监督学习的分层深度网络血管分割
摘要
器官血管的分析对于计算机辅助诊断和外科规划至关重要。但这并不是一件容易的事情，因为器官血管的精细连接区域在血管分割和亚型识别方面带来了很多模糊性。。。
阅读更多信息
一种新的深度学习框架，用于识别患有疾病的婴儿视网膜图像中的扭曲血管

早产儿视网膜病变（ROP），有时称为Terry综合征，是一种影响早产儿的眼科疾病。它是儿童失明和终生视力障碍的主要原因。ROP经常与…共存。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

生物和医学中的封面图像计算机

生物学和医学中的计算机第158卷，C期

2023年5月

898页

国际标准编号：0010-4825

爱思唯尔有限公司。

出版商

佩加蒙出版社。

美国

出版历史

出版：2023年5月1日

作者标记

限定符

研究文章

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
0
总下载次数

下载次数（过去12个月）0
下载次数（最近6周）0

其他指标

查看作者指标

引文

视图选项

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子

查看问题目录