一种融合多尺度空洞卷积与注意力机制的视网膜血管图像分割方法

本发明公开了一种融合大核多尺度空洞卷积与注意力机制的视网膜血管自动分割方法，适用于眼底图像中细粒度血管结构的精准提取。该方法构建了一种改进型深度神经网络（LKD‑UNet），其编码器中每层嵌入协同感受野模块，联合大核卷积与多尺度空洞卷积以扩大感受野并增强纹理解析能力；在瓶颈层引入高效 Transformer 模块，通过多头自注意力机制建模跨区域语义关系，提升微血管拓扑一致性；解码器采用浅层对称结构与核尺度调度策略，结合跳跃连接实现高分辨率还原。此外，本发明引入四类别像素级错误可视化机制，用于辅助分割误差诊断与结果解释。实验结果表明，本方法在多个公开数据集上均优于现有主流模型，在分割精度、结构连贯性及部署效率方面具备显著优势，适用于远程眼底筛查与嵌入式医疗设备中的血管提取任务。