多层次可选择核卷积用于视网膜图像分类

摘要：

为了提高深度学习网络对糖尿病性视网膜病变识别准确率,针对光学相干断层扫描技术(optical coherence tomography,OCT)的视网膜图像分类研究,提出了一种基于可选择卷积核的网络模型,该模型能对多个尺度扩张率的卷积核之间进行自动选择操作.分割阶段生成多条路径,这些路径具有相同的卷积核但不同的扩张率,对应不同的神经元感受野大小;融合阶段将多条路径的信息进行组合和聚合,得到一个全局的、全面的选择权重表示;选择操作再根据2种权值自身相似性和相对相似性来选择权值.实验结果表明,该模型在2个视网膜公开的基准数据集OCT2017及SD-OCT上分别达到了95.39％,99.18％的分类结果.与目前已有的主流模型相比,该模型的实验结果在2个数据集上均有提升.

关键词：视网膜图片、医学图像分类、深度学习、卷积神经网络

所属期刊栏目：34

分类号：TN929

资助基金：国家自然科学基金;重庆师范大学研究生项目;重庆市研究生教改重点项目;重庆师范大学教改项目

在线出版日期：2022-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：886-893