基于双视图特征融合的糖尿病视网膜病变分级

基于双视图眼底图像的诊断方法被广泛应用于糖尿病视网膜病变(diabetic retinopathy,DR)的筛查,该方法可以有效地解决单视角下图像遮挡和视场受限的问题.针对如何有效融合不同视图信息来提高DR分级准确率,提出了一种基于注意力机制的多视角图像之间特征融合的学习方法.针对眼底图像中病灶占比率较小的问题,引入了自注意力机制以加强局部病灶特征的学习;针对双视图眼底图像分类场景,提出了一种跨视图注意力机制,有效地利用了双视图之间的信息.在内部数据集DFiD和公开数据集DeepDR上进行的实验,验证了所提方法能够有效提高DR分级精度,可用于大规模DR筛查,辅助医生实现高效诊断.