Сегментация сосудов сетчатки является важной основой для диагностики офтальмологических заболеваний, однако существующие методы имеют проблемы с пропуском мелких сосудов, влиянием патологических помех и связанностью признаков. В этой работе предлагается сеть с двумя ветвями для извлечения признаков свёрточным способом и декуплирования признаков между уровнями. Во-первых, сеть в кодере многонаправленно извлекает края сосудов через многонаправленный дифференциальный остаточный модуль, улавливая тонкую структуру сосудов. Во-вторых, разработан модуль динамического слияния с координированным вниманием для динамического дополнения признаков свёрточных ветвей, что улучшает агрегацию информации кодера. Наконец, в пропусках двух U-Net используется модуль динамического масштабирования с взаимодействием каналов для декуплирования признаков между уровнями, что усиливает выражение признаков и решает проблему смешения признаков традиционных U-Net. Предложенный метод был всесторонне протестирован на четырёх общедоступных наборах данных DRIVE, CHASEDB1, STARE и IOSTAR. F1-меры нашего алгоритма составили соответственно 82.47%, 80.71%, 81.44%, 82.01%, чувствительность — 80.96%, 80.23%, 74.69%, 76.92%; у алгоритма LadderNet F1-меры были 81.66%, 80.16%, 80.92%, 79.69%, чувствительность — 77.06%, 78.88%, 73.64%, 71.24%. По сравнению с существующими методами, предложенный в статье метод демонстрирует хорошую устойчивость и превосходную производительность сегментации в задаче сегментации сосудов сетчатки.

сосуды сетчатки; сегментация изображений; многонаправленная дифференциальная свёртка; динамическое слияние признаков; механизм внимания