基于轻量级卷积网络的视网膜病变自动检测

光学相干断层扫描技术是临床中检测视网膜病变的主要手段,但人工诊断的模式存在主观性强、效率低的问题,为此提出一种轻量级卷积神经网络用于视网膜病变的自动检测。所提网络由两种模块组成,第1种模块将空洞卷积与深度可分离卷积相结合以降低参数量;第2种模块利用分解卷积方法,通过将常规卷积层分解成多层不对称卷积的方式延展深度。两种模块交叉组合构成特征提取器,使用Softmax函数作为分类器,获得了44层深、参数量为9.2 MB的轻量级模型。所提网络在测试集上的准确率、敏感性、特异性、接收者操作特征曲线下面积分别达到0.980、0.954、0.987和0.997。可视化结果表明,模型诊断依据与眼科专家相一致。这些结果表明,所提网络能够准确地实现视网膜疾病的自动检测。