文章摘要:视网膜血管分割是自动筛查糖尿病视网膜病变的重要步骤，当前大部分深度学习方法都使用大样本进行网络训练，但医学领域带标签样本难以获取，且存在健康人样本与患者样本不平衡问题。本文提出了一种基于生成对抗网络的少样本视网膜血管分割方法，生成器部分对图像做反色等预处理后，通过旋转增扩充了数据集，网络部分使用U-Net结构，判别器部分使用卷积神经网络。在实验阶段，在DRIVE数据集和HRF数据集上进行训练测试，训练时只使用训练集的6个样本，测试时使用全部测试集样本，最终在两个数据集下的ROC曲线下面积分别达到了0.97和0.95，准确率达到了0.95和0.94。与少样本情况下的U-Net相比，分割性能提升很大，表明本方法针对少样本视网膜血管分割任务确实有效。

文章关键词:

论文分类号:R774.1;TP391.41