基于注意力和分组卷积的眼底图像多病变自动诊断

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。