基于拆分残差网络的糖尿病视网膜病变分类

糖尿病视网膜病变是一种常见的糖尿病并发症。为提高糖尿病视网膜病变图像分级准确率,本文提出基于拆分残差网络的分级算法。通过融合归一化注意力,增强识别关键特征信息能力,使模型对病灶特征信息提取更具有针对性;利用全局上下文模块综合考虑不同尺度及网络层学习到的特征信息,进一步联系不同时期糖尿病视网膜病灶特点,增强模型表达能力;输出分类器设计多分支结构进行图像分级,提升多类别图像分级精度。实验结果得出模型准确率为94.86%,其他评价指标相比原主干网络模型均有提高。本文模型性能良好,实现了较高精度诊断分级糖尿病视网膜病变图像。