망막 혈관 분할은 안과 질환 진단의 중요한 기초이지만 기존 방법들은 미세 혈관 누락, 병리적 간섭 영향 및 특징 결합 등의 문제가 있다. 따라서 본 논문은 쌍분기 컨볼루션 경로 특징 추출과 계층 간 특징 해체 네트워크를 제안한다. 우선, 해당 네트워크는 인코더에서 다방향 차분 잔차 모듈을 통해 혈관 가장자리 특징을 다방향으로 추출하여 미세한 혈관 구조를 포착한다. 둘째, 협력 주의 동적 융합 모듈을 설계하여 쌍분기 경로 컨볼루션 특징의 동적 상보를 구현하고 인코더 정보를 보다 잘 집계한다. 마지막으로 두 U-Net의 스킵 연결 부분에 채널 상호작용 동적 스케일링 모듈을 적용하여 계층 간 특징 해체를 실현하여 특징 표현을 강화하고 기존 U-Net의 특징 혼합 문제를 해결한다. 제안된 방법은 DRIVE, CHASEDB1, STARE, IOSTAR의 네 개 공개 데이터셋에서 충분히 검증되었으며, 본 논문의 알고리즘 F1 점수는 각각 82.47%, 80.71%, 81.44%, 82.01%, 민감도는 80.96%, 80.23%, 74.69%, 76.92%이다. 반면 LadderNet 알고리즘의 F1 점수는 81.66%, 80.16%, 80.92%, 79.69%, 민감도는 77.06%, 78.88%, 73.64%, 71.24%이다. 기존 방법과 비교할 때 본 방법은 망막 혈관 분할 작업에서 우수한 견고성과 뛰어난 분할 성능을 보인다.

망막 혈관; 이미지 분할; 다방향 차분 컨볼루션; 동적 특징 융합; 주의 메커니즘