多尺度特征融合网络的视网膜OCT图像分类
目前基于深度学习的视网膜OCT图像分类方法存在网络特征提取能力低、小目标病变分类困难等问题.为此本文提出了一种双分支多尺度特征融合网络,通过加入门控注意力机制,利用深层特征作为选通信号传递给浅层特征,在消除冗余特征的同时,获得更细尺度的抽象信息.同时加入空洞空间金字塔模块,实现在不降低特征图分辨率的同时增大感受野,按不同比例有效捕获全局上下文信息,提高了小目标病变分类精度.实验结果表明,本文提出的方法在视网膜OCT图像分类任务中取得了较好效果,分类准确率达97.9%.
视网膜、光学相干断层扫描、注意力机制、空间空洞金字塔、神经网络、图像分类、深度学习、医学图像
17
TP391.7(计算技术、计算机技术)
2022-04-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
360-367