WHANet血管分割网络

通过混合注意力与多尺度小波特征融合，在有限数据下更精准地分割OCTA眼底图像的微细血管，改善边缘模糊和拓扑复杂区域的识别。

Shu-Xin, Xue · Zhaohui, Zhang · Fen, Yan · 马飞 · Guangmei, Jia · 郭燕飞 · 马跃峰 · Ai, Xiaofei · 孟静

Journal of Supercomputing 2025

技术优势

边缘更清晰

多尺度小波特征融合分支利用离散小波变换提取精细血管结构，强化边缘表示，缓解了图像噪声影响。

细血管更好分割

混合注意力深度卷积分支通过多尺度卷积和注意力机制增强空间特征表示，提升细小血管检测能力并减少误分类。

应用场景

• 眼底影像智能分析：自动分割OCTA图像中的血管网络，替代人工或传统图像处理，提升分析效率与一致性。
• 医学图像分割：应用于OCTA血管分割任务，直接输出血管掩膜，可嵌入医学图像处理流程。
• AI辅助疾病诊断：提供准确的血管结构提取，作为后续疾病诊断的量化特征基础，辅助医生判断。
• 糖尿病视网膜病变筛查：分割OCTA图像中的视网膜微血管，用于评估糖尿病视网膜病变引起的血管异常。