-
题名基于注意力和分组卷积的眼底图像多病变自动诊断
- 1
-
-
作者
蒋杰伟
郭刘飞
巩稼民
强薇
吴成超
李中文
-
机构
西安邮电大学电子工程学院
西安邮电大学通信与信息工程学院
宁波市眼科医院温州医科大学
-
出处
《传感器与微系统》
CSCD
北大核心
2023年第5期152-155,160,共5页
-
基金
国家自然科学基金资助项目(61775180)
国家重点研发计划资助项目(2018YFC0116500)
+1 种基金
宁波市科技计划资助项目(2019C50045)
高校青年教师科研基金资助项目(205020022)。
-
文摘
青光眼性视盘改变、视网膜出血和渗出是诊断眼底疾病的主要特征,传统方法可诊断是否患有眼底疾病,但难以对眼底疾病诊断结果给出合理的解释。鉴于此,提出了一种融合双重注意力机制的卷积神经网络(CNN),实现了眼底多病变特征的自动诊断。CNN采用残差结构,在残差块中利用分组卷积以减少网络参数量,并在每组卷积之后嵌入通道和空间注意力机制以提升眼底病变诊断的准确率。该模型在宁波市眼科医院临床数据上进行了实验,青光眼性视盘改变、视网膜渗出和出血3种病变的诊断准确率分别为98.17%、97.49%、97.15%,结果表明:该模型在眼底多病变诊断中表现出很好的特征提取能力和诊断性能。
-
关键词
通道注意力机制
分组卷积
空间注意力机制
多病变诊断
-
Keywords
channeled attention mechanism
grouping convolution
spatial attention mechanism
multi-lesion diagnosis
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-