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...
