算法进行特征补偿，有效地克服深度学习网络分一种融入测地线投票算法的深度学习网络 割中存在的不准确和漏检部分，得到更准确的血的血管分割方法，将增强后的数据集输入到编码 管分割结果。器中进行特征提取，同时通过测地线投票算法计算测地线密度，得到测地线密度特征权重，将测地线密度特征权重与编码器提取的特征进行特征融合，通过解码器解码，最终完成冠状动脉血管的分割。结合了深度学习模型与测地线投票算法的优点，即克服了使用测地线投票算法进行血管分割时的阴影域问题，又克服了深度学习网络(56)对比文件Li Liu 等.Curvilinear StructureTracking Based on Dynamic Curvature-penalized Geodesics《.PatternRecognition》.2023,第134卷全文.梁礼明 等.跨级可变形Transformer编解码视网膜图像分割算法《.无线电工程》.2023,第53卷(第9期),全文.