文档名：基于注意力和分组卷积的眼底图像多病变自动诊断
摘要：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.
作者：蒋杰伟 郭刘飞 巩稼民 强薇 吴成超 李中文 Author：JIANGJiewei GUOLiufei GONGJiamin QIANGWei WUChengchao LIZhongwen
作者单位：西安邮电大学电子工程学院,陕西西安710121西安邮电大学电子工程学院,陕西西安710121;西安邮电大学通信与信息工程学院,陕西西安710121宁波市眼科医院温州医科大学,浙江宁波315000西安邮电大学通信与信息工程学院,陕西西安710121
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(5)
分类号：TP391.4
关键词：通道注意力机制 分组卷积 空间注意力机制 多病变诊断
机标分类号：
在线出版日期：2023年5月31日
基金项目：国家自然科学基金，国家重点研发计划，宁波市科技计划资助项目，高校青年教师科研基金资助项目基于注意力和分组卷积的眼底图像多病变自动诊断[
期刊论文] 传感器与微系统--2023, 42(5)蒋杰伟 郭刘飞 巩稼民 强薇 吴成超 李中文青光眼性视盘改变、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...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于注意力和分组卷积的眼底图像多病变自动诊断 Automatic diagnosis of multi-lesion in fundus images based on attention and grouping convolution
基于注意力和分组卷积的眼底图像多病变自动诊断.pdf
- 文件大小:
- 1.42 MB
- 下载次数:
- 60
-
高速下载
|
|
