A segmentação dos vasos da retina é uma base importante para o diagnóstico de doenças oftalmológicas, mas os métodos atuais apresentam problemas como a omissão de vasos finos, interferências patológicas e acoplamento de características. Portanto, este artigo propõe uma rede com extração de características em caminho convolucional de dois ramos e desacoplamento de características entre níveis. Primeiro, a rede utiliza no codificador um módulo residual diferencial multilateral para extrair características das bordas dos vasos em múltiplas direções, capturando estruturas vasculares finas. Em seguida, foi projetado um módulo de fusão dinâmica de atenção cooperativa para possibilitar o complemento dinâmico das características convolucionais dos dois ramos, agregando melhor as informações do codificador. Finalmente, nas conexões de salto dos dois U-Nets, aplica-se um módulo dinâmico de dimensionamento interativo de canais para realizar o desacoplamento de características entre níveis, melhorando a expressão das características e resolvendo o problema de confusão das características na U-Net tradicional. O método proposto foi amplamente validado em quatro conjuntos de dados públicos: DRIVE, CHASEDB1, STARE e IOSTAR. As pontuações F1 do algoritmo proposto foram 82,47%, 80,71%, 81,44% e 82,01%, com sensibilidades de 80,96%, 80,23%, 74,69% e 76,92%, enquanto o algoritmo LadderNet obteve pontuações F1 de 81,66%, 80,16%, 80,92% e 79,69% e sensibilidades de 77,06%, 78,88%, 73,64% e 71,24%. Em comparação com os métodos existentes, o método proposto demonstra boa robustez e desempenho superior de segmentação na tarefa de segmentação dos vasos da retina.

vasos da retina; segmentação de imagem; convolução diferencial multilateral; fusão dinâmica de características; mecanismo de atenção