基于双分支加权卷积神经网络的视网膜图像质量评价方法

摘要：

近年来,眼底图像分析已成为一种直观且高效的辅助诊断技术.专家根据眼底相机捕获的视网膜图像对眼底疾病患者进行诊断,因此,眼底视网膜图像的质量对于医生提供及时且准确的疾病诊断至关重要.本文提出一种端到端的眼底视网膜图像质量评价方法,通过空间横向和纵向卷积的双分支模块进行特征提取,并对双分支所提取的特征进行加权融合,以提高模型的特征提取能力.通过自有数据集的训练,本文提出的模型准确率达到85.14％,AUC为0.9173,F1 分数为0.7838.为验证模型的有效性,使用DRIMDB公开数据集进行测试,准确率达到92.11％,AUC为0.9911,F1 为0.8966.实验结果表明,提出的方法对于眼底图像质量评价是有效的,具有优越的性能和高效的收敛速率.

关键词：眼底视网膜图像、图像质量评价、卷积神经网络(CNN)、多分支机制

所属期刊栏目：33

分类号：TP391.41;TP183;TN911.73

资助基金：国家自然科学基金;浙江省自然科学基金项目;浙江省属高校基本科研业务费专项资金资助项目

在线出版日期：2023-06-28（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：352-359