A segmentação dos vasos da retina é uma base importante para o diagnóstico de doenças oculares, mas os métodos existentes apresentam problemas como a omissão de vasos pequenos, interferências patológicas e acoplamento de características. Portanto, este artigo propõe uma rede de caminho duplo para extração de características convolucionais e desacoplamento de características entre níveis. Primeiro, a rede extrai no codificador características das bordas dos vasos em múltiplas direções por meio de um módulo residual de diferença multidirecional, capturando a estrutura fina dos vasos. Em segundo lugar, foi projetado um módulo de fusão dinâmica com atenção colaborativa para complementar dinamicamente as características convolucionais das duas ramificações, agregando melhor as informações do codificador. Por fim, nas conexões de salto de dois U-Nets, foi utilizado um módulo de redimensionamento dinâmico com interação de canais para realizar o desacoplamento de características entre níveis, reforçando a expressão das características e resolvendo o problema de confusão de características dos U-Nets tradicionais. O método proposto foi amplamente validado em quatro conjuntos públicos de dados DRIVE, CHASEDB1, STARE e IOSTAR. As pontuações F1 do nosso algoritmo foram 82,47%, 80,71%, 81,44% e 82,01%, e as sensibilidades foram 80,96%, 80,23%, 74,69% e 76,92%, respectivamente; enquanto as pontuações F1 do algoritmo LadderNet foram 81,66%, 80,16%, 80,92% e 79,69%, e as sensibilidades 77,06%, 78,88%, 73,64% e 71,24%. Em comparação com métodos existentes, o método proposto apresenta boa robustez e desempenho superior na tarefa de segmentação dos vasos da retina.

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