糖尿病视网膜病变分期双分支混合注意力决策网络

为了缓解大规模糖尿病视网膜病变(DR)筛查需求下医疗资源不足的问题,本文提出了糖尿病视网膜病变分期双分支混合注意力决策网络(BiRAD-Net)。该网络分为特征提取和分类两个阶段:在特征提取阶段,引入混合注意力机制抑制噪声,并设计了特征分级决策网络进一步优化特征质量;在特征分类阶段,设计了双分支分类器以及对应的损失,以减缓标签数据不足带来的影响,增强分类准确性。此外,在模型训练过程中应用迁移学习技术来提高模型的精度、降低训练所需数据量。在KAGGLE数据集上的实验结果表明:本文方法对糖尿病视网膜病变的各个阶段均具有较好的诊断能力,优于其他对比方法。