망막 혈관 분할은 안과 질환 진단의 중요한 기초이지만, 기존 방법들은 미세 혈관 누락, 병리학적 간섭 영향 및 특징 결합 등의 문제가 존재합니다. 따라서 본 논문에서는 이중 분기 합성곱 경로 특징 추출과 계층 간 특징 디커플링 네트워크를 제안합니다. 우선, 해당 네트워크는 인코더 내에서 다방향 차분 잔차 모듈을 통해 혈관 가장자리 특징을 다방향으로 추출하여 미세 혈관 구조를 포착합니다. 둘째, 협동 주의 동적 융합 모듈을 설계하여 이중 분기 경로 합성곱 특징의 동적 상호 보완을 실현함으로써 인코더 정보를 더 잘 집합합니다. 마지막으로 두 U-Net의 스킵 연결 부분에서 채널 상호 작용 동적 확대 모듈을 사용하여 계층 간 특징 디커플링을 실현하고 특징 표현을 강화하여 전통적인 U-Net의 특징 혼합 문제를 해결합니다. 제안된 방법은 DRIVE, CHASEDB1, STARE, IOSTAR의 네 개 공개 데이터 세트에서 충분히 검증되었으며, 본 논문의 알고리즘 F1 점수는 각각 82.47%, 80.71%, 81.44%, 82.01%, 민감도는 각각 80.96%, 80.23%, 74.69%, 76.92%입니다. LadderNet 알고리즘의 F1 점수는 각각 81.66%, 80.16%, 80.92%, 79.69%, 민감도는 각각 77.06%, 78.88%, 73.64%, 71.24%입니다. 기존 방법과 비교할 때, 본 방법은 망막 혈관 분할 과제에서 우수한 견고성과 뛰어난 분할 성능을 나타냅니다.

망막 혈관; 영상 분할; 다방향 차분 합성곱; 동적 특징 융합; 주의 메커니즘