تجزئة الأوعية الدموية لشبكية العين هي أساس مهم لتشخيص أمراض العيون، لكن الطرق الحالية تواجه مشاكل مثل فقدان الأوعية الدموية الدقيقة، وتأثير التشويش المرضي، والترابط بين الخصائص. لذلك، يقترح هذا البحث شبكة تتميز بمسار تفرعي مزدوج لاستخراج الخصائص باستخدام الالتواء والتفكيك عبر المستويات. أولا، تستخرج الشبكة في وحدة التشفير ميزات حواف الأوعية الدموية متعددة الاتجاهات باستخدام وحدة الاختلاف المتبقية متعددة الاتجاهات، ممسكة بتركيب الأوعية الدقيقة. ثانيا، تم تصميم وحدة دمج ديناميكية بالتنبيه التعاوني لتحقيق التكامل الديناميكي بين ميزات المسارين التفرعيين بشكل أفضل. أخيرا، في وصلات القفز بين وحدتي U-Net، تم استخدام وحدة التحجيم الديناميكي لتفاعل القنوات لتحقيق تفكيك السمات عبر المستويات وتعزيز التعبير المميز، مما يحل مشكلة تشابك السمات في U-Net التقليدية. تم التحقق بشكل كاف من الطريقة المقترحة على أربع مجموعات بيانات عامة هي DRIVE وCHASEDB1 وSTARE وIOSTAR، حيث كانت نقاط F1 للخوارزمية 82.47%، 80.71%، 81.44%، 82.01%، والحساسية 80.96%، 80.23%، 74.69%، 76.92% على التوالي؛ بينما كانت نقاط F1 لخوارزمية LadderNet 81.66%، 80.16%، 80.92%، 79.69%، والحساسية 77.06%، 78.88%، 73.64%، 71.24%. مقارنة بالطرق الحالية، أظهرت الطريقة المقترحة أداءً جيدًا من حيث الثباتية والفعالية في مهمة تجزئة الأوعية الدموية لشبكية العين.

الأوعية الدموية للشبكية; تجزئة الصور; التفاف الاختلاف متعدد الاتجاهات; دمج الخصائص الديناميكي; آلية التنبيه