Para resolver problemas da estrutura da rede codificador-decodificador na extração de objetivos, como suprimir semânticas irrelevantes e superar a lacuna semântica, a fim de obter maior precisão, adotou-se o U-Net como a rede principal para extração de características; para aliviar as diferenças semânticas entre características rasas e profundas, foi projetado um módulo de agrupamento semântico multiescala consciente de atenção (Channel-Spatial-Pyramid, CSP), substituindo os links de salto nas camadas iniciais. O módulo CSP enfatiza informações semânticas mais significativas nos níveis espacial e de canal, extraindo características em diferentes escalas por meio de quatro ramos paralelos com diferentes núcleos de agrupamento, agregando todos os resultados dos ramos e concatenando-os com características das camadas posteriores. Os resultados experimentais mostram que o CSP-Net alcança um índice Dice de 99,6% na segmentação do disco óptico em imagens coloridas do fundo do olho, e um índice Dice de 92,1% na segmentação da taça óptica, melhorando em comparação com algoritmos existentes. O CSP-Net proposto é altamente eficaz e resistente a interferências na extração de pequenos alvos em imagens do fundo do olho, podendo servir como referência clínica para triagem e diagnóstico do glaucoma.

semântica multiescala; consciente de atenção; extração de objetivos; U-net