Retinal vessel segmentation using a swin transformer-based encoder-decoder architecture

doi:10.1007/s11760-025-05089-1

2026-01-16

PRE

Elma Shumsun Kamal

Nusrat Sharmin *

DOI：10.1007/s11760-025-05089-1

原文链接

原文求助

摘要

En 中文

视网膜血管分割对于识别糖尿病视网膜病变和青光眼等疾病至关重要，但耗时且需要大量手动操作。经典U-Net架构在处理局部细节方面表现出色，但缺乏全局上下文感知能力，而基于Transformer的模型虽然具有上下文感知能力，但计算成本极高。分割任务中速度与准确性的权衡具有挑战性。我们提出了一种改进的U-Net，通过集成Swin Transformer块和移位窗口，实现了低计算成本下的上下文感知血管分割。该模型在DRIVE数据库上进行训练和评估，并与六种不同的U-Net变体（如残差、注意力、U-Net++）和三种混合模型（如Vision Transformer U-Net）进行比较。本文提出的模型准确率达到89.12%，IoU为0.6023，DSC为0.6917，a为0.6466，相较于基线U-Net提升了7.92%的准确率和0.0891%的IoU，且仅使用11.9M参数，而Vision Transformer U-Net需399M参数。这些结果表明，Swin Transformer U-Net在分割质量和计算成本之间取得了良好平衡，可能为未来临床应用开辟新途径。

Keyword:

Swin transformer

U-net

Retinal vessel

Segmentation

DRIVE dataset