基于注意力机制多特征融合的视网膜病变分级算法

摘要：

糖尿病视网膜病变(Diabetic Retinopathy,DR)是糖尿病的一个常见的急性阶段,可引起视网膜的视功能异常.针对视网膜眼底图像病灶区域识别困难以及分级效率不高等问题,本文提出一种基于注意力机制多特征融合的算法来对DR进行诊断分级.首先对输入的图像采用高斯滤波等形态学预处理来提升眼底图像特征对比度;然后用ResNeSt50残差网络作为模型的骨干,引入多尺度特征增强模块对视网膜病变图像病变区域进行特征增强,提高分级准确率;再后利用图形特征融合模块对主干输出的特征增强后的局部特征进行信息融合;最后采用中心损失和焦点损失组合的加权损失函数进一步提升分类效果.在印度糖尿病视网膜病变(IDRID)数据集中灵敏度和特异性分别为95.65％和91.17％,二次加权一致性检验系数为90.38％.在Kaggle比赛数据集中准确率为84.41％,受试者工作特征曲线下的面积为90.36％.仿真实验表明,本文算法在糖尿病视网膜病变分级中具有一定的应用价值.

关键词：视网膜病变分级、多尺度特征、注意力机制、图形特征融合

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江西省自然科学基金资助项目

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：98-110