计算机工程

作者：周峥, 张笃振

单位：江苏师范大学计算机科学与技术学院，江苏 徐州 221116

关键词：视网膜血管分割,CASP注意力模块,新型图注意力网络,GACA综合注意力模块,注意力机制

基金：江苏省高等学校自然科学研究面上项目(19KJB520032); 江苏师范大学博士学位教师科研支持项目(20XSRS018)

针对视网膜血管结构细微复杂、边界模糊、计算成本高等问题, 提出一种基于多注意力机制的视网膜血管分割模型(GAC-UNet)。首先, 在跳跃连接中嵌入用于提取通道间关系与空间位置信息的CASP(Channel Attention Spatial Pooling)注意力模块, 将其与残差连接相结合, 构成注意力残差单元(ARU), 以优化编解码器之间的特征处理, 突出重要特征; 然后, 在编码器结构中加入用于合理分配注意力的新型图注意力网络(NGAT), 将其与CASP注意力模块相结合以构建GACA综合注意力模块, 从多个角度对血管细节和边缘进行关注; 接着, 在编码器中堆叠多个GACA模块, 实现NGAT模块内部图注意力信息的累积, 以加强模型建模全局信息的能力, 弥补并丰富边缘特征信息; 最后, 在解码器结构相应层级中聚合不同注意力模块所提取的特征信息, 通过上采样操作得到最终的分割结果。在3个视网膜公共数据集DRIVE、CHASE_DB1、STARE上进行实验, 结果表明, GAC-UNet的特异性分别为97.76%、99.16%和98.66%, 准确率分别为96.80%、96.81%和96.34%, 表明GAC-UNet能够很好地识别出细微复杂、边界模糊的血管结构, 且具有较小的模型参数量。

来源：2025年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第11期