網膜血管の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礎ですが、既存の方法には細い血管の見落とし、病理的な干渉の影響、特徴の結合などの問題があります。そこで本論文では、二重分岐の畳み込み経路特徴抽出と階層間特徴デコープリングを用いた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を用いて血管の縁取り特徴を多方向に抽出し、微細な血管構造を捉えます。次に、協調注意による動的融合モジュールを設計し、二重分岐経路の畳み込み特徴の動的補完を実現してエンコーダ情報の集約を向上させます。最後に、2つのU-Netのスキップ接続部にチャネルインタラクション動的スケーリングモジュールを用いて階層間特徴のデコープリングを実現し、その特徴表現を強化して従来のU-Netの特徴の混同問題を解決します。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、本論文のアルゴリズムのF1スコアはそれぞれ82.47%、80.71%、81.44%、82.01%、感度はそれぞれ80.96%、80.23%、74.69%、76.92%です。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%です。既存の方法と比較して、本手法は網膜血管分割タスクにおいて優れたロバスト性と優越した分割性能を示しています。

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