DOI:10.11991/yykj.202303002网络出版地址:https://link.cnki.net/urlid/23.1191.U.20231206.1134.004MCFNet:融合上下文信息的多尺度视网膜动静脉分类网络崔颖1,朱佳1,高山1,陈立伟1,张广21.哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨1500012.哈尔滨医科大学第一附属医院神经外科,黑龙江哈尔滨150001摘要:针对由于血管类间具有强相似性造成的动静脉错误分类问题,提出了一种新的融合上下文信息的多尺度视网膜动静脉分类网络(multi-scaleretinalarteryandveinclassificationnetwork,MCFNet),该网络使用多尺度特征(multi-scalefeature,MSF)提取模块及高效的全局上下文信息融合(efficientglobalcontextualinformationaggregation,EGCA)模块结合U型分割网络进行动静脉分类,抑制了倾向于背景的特征并增强了血管的边缘、交点和末端特征,解决了段内动静脉错误分类问题。此外,在U型网络的解码器部分加入3层深度监督,使浅层信息得到充分训练,避免梯度消失,优化训练过程。在2个公开的眼底图像数据集(DRIVE-AV,LES-AV)上,与3种现有网络进行方法对比,该模型的F1评分分别提高了2.86、1.92、0.81个百分点,灵敏度分别提高了4.27、2.43、1.21个百分点,结果表明所提出的模型能够很好地解决动静脉分类错误的问题。关键词:多类分割;动静脉分类;视网膜图像;多尺度特征提取;血管分割;全局信息融合;卷积神经网络;深度监督中图分类号:TP183文献标志码:A文章编号:1009−671X(2024)02−0105−07MCFNet:Multi-scaleretinalarteryandveinclassificationnetworkfusedwithcontextinformationCUIYing1,ZHUJia1,GAOShan1,CHENLiwei1,ZHANGGuang21.CollegeofInformationandCommunicationEngineering,HarbinEngineeringUniversity,Harbin150001,China2.DepartmentofNeurosurgery,FirstAffiliatedHospitalofHarbinMedicalUniversity,Harbin150001,ChinaAbstract:Aimingattheproblemofwrongclassificationofarteriesandveinsduetothestrongsimilaritybetweenbloodvessels,thispaperproposesanewmulti-scaleretinalarteryandveinclassificationnetwork(MCFNet)thatintegratescontextinformation.IncombinationwiththeU-shapedsegmentationnetwork,thenetworkusesmulti-scalefeature(MSF)extractionmoduleandhigh-efficiencyglobalcontextualinformationaggregation(EGCA)moduletoclassifythearteriesandveins,whichsuppressesthefeatur...