为解决目前国内医生手动分割眼底血管以及嵌入式平台上神经网络模型分割血管耗时较长的问题,提出一种基于嵌入式平台的眼底血管检测系统,用于实现患者眼底图像采集和眼底血管分割等功能.设计一种应用于嵌入式平台的轻量化U-Net模型以减少眼底血管分割时间,引入自适应激活函数(AAF)和注意力(AG)模块,补偿轻量化U-Net模型参数,避免精度下降问题.该分割模型(AAF+AGU-Net)在DRIVE和CHASE_DB1数据集上的AUC分别达到0.9671和0.9696,F1分数(Dice)分别达到0.8134和0.7982,在嵌入式平台上的分割时间分别为427ms和1.47s.该模型在两个公开数据集上的分割性能均达到了较高水平,在嵌入式平台上也极大地缩短了分割时间,可较好地辅助医生进行眼底血管分割.
国家科技期刊平台
NSTL
万方数据
维普
