網膜血管セグメンテーションは眼科疾患の診断において重要な基盤ですが、既存の方法には細い血管の見落としや病理的な干渉の影響、特徴の結合などの問題があります。そこで本稿では、二重分岐畳み込み経路特徴抽出と階層間特徴のデカップリングを行うネットワークを提案します。まず、本ネットワークはエンコーダ内で多方向差分残差モジュールにより血管のエッジ特徴を多方向に抽出し、微細な血管構造を捉えます。次に、協調注意ダイナミック融合モジュールを設計し、二重分岐経路畳み込み特徴の動的相補を実現し、エンコード情報をより良く集約します。最後に、二つのU-Netのスキップ接続部分にチャネルインタラクティブダイナミックスケーリングモジュールを採用し、階層間特徴のデカップリングを実施して特徴表現を強化し、従来のU-Netの特徴混合問題を解決します。提案手法はDRIVE、CHASEDB1、STARE、IOSTARの4つの公開データセットで十分に検証され、本稿のアルゴリズムのF1スコアはそれぞれ82.47%、80.71%、81.44%、82.01%、感度は80.96%、80.23%、74.69%、76.92%でした。一方、LadderNetアルゴリズムのF1スコアは81.66%、80.16%、80.92%、79.69%、感度は77.06%、78.88%、73.64%、71.24%でした。既存の方法と比較して、本手法は網膜血管セグメンテーションタスクにおいて良好な頑健性と優れたセグメンテーション性能を示しました。

網膜血管; 画像セグメンテーション; 多方向差分畳み込み; 動的特徴融合; 注意機構