基于锐度感知最小化与多色域双级融合的视网膜图片质量分级

针对视网膜图片质量差异性大,质量分级模型泛化性能不足的问题,提出了一种基于锐度感知最小化的多色域双级融合算法,用于视网膜图片质量的分级预测。首先,采用ResNeSt网络对RGB(red, green, blue)、HSV(色相hue、饱和度saturation、亮度value)和LAB(L表示像素的亮度、A表示从红色到绿色的范围、B表示从黄色到蓝色的范围)3种色域空间进行特征提取。其次,使用网络的特征输出与预测输出进行双级融合,丰富视网膜图片的特征表示。然后,使用锐度感知最小化对视网膜图片质量分级模型进行优化,提高质量分级模型的泛化性能。最后,在EyeQ数据集上进行实验仿真,其准确率为87.35%、精确度为85.87%、敏感度为85.07%、F值为85.44%,所提算法能有效区分视网膜图片的质量等级并提高模型的泛化性能。