【视网膜分割】AFMIP-Net：一种新型的自适应特征调制和隐式提示网络
本文提出了一种新型的自适应特征调制和隐式提示网络（AFMIP-Net）用于视网膜血管分割。该网络通过自适应特征调制模块抑制背景噪声、增强血管结构表示，结合特征隐式提示融合模块关注病变相关特征，并采用高斯滤波数据增强技术提高模型抗干扰能力。实验在六个主流数据集上验证了AFMIP-Net的优越性能，尤其在毛细血管分割和抗病变干扰方面表现突出。
个人博客, 论文学习
视网膜分割
个人博客, 论文学习
【视网膜分割】ARSA-UNet：一种基于结构自适应模型的空洞残差网络
ARSA-UNet提出了一种基于结构自适应模型的空洞残差网络，用于视网膜血管分割。针对血管形态复杂、背景噪声等问题，该模型结合结构自适应层（SAL）、空洞残差路径（AR Path）、特征筛选融合模块（FSF）和多尺度深度监督（MDS），显著提升了微小血管的分割精度。在DRIVE、CHASE和STARE数据集上的实验表明，ARSA-UNet在敏感度（0.8289）和F1分数（0.8291）上优于现有方法。未来将探索轻量化设计和Transformer应用以优化性能。