语义特征图引导的青光眼筛查方法

摘要：

现有的端到端青光眼筛查模型往往忽略细微病变区域而导致过拟合问题,并且其可解释性区域尚不明确.针对上述问题,提出一种语义特征图引导的青光眼筛查方法.利用基于MobileNet v2作为特征提取网络的DeepLab v3+分割模型进行视盘区域的分割定位,并且根据定位结果提取用于青光眼筛查的重点感兴趣区域,再通过设计注意力模块将其嵌入VGG分类网络实现青光眼的准确筛查.注意力模块利用语义特征图融合浅层特征综合生成注意力图,通过强化特征分类相关区域而抑制非相关区域,达到增强模型分类鲁棒性的目的.所提方法基于LAG database数据集测试的敏感性、特异性以及AUC分别为0.970,0.983和0.996,优于已有方法,且通过可视化注意力激活热图得到的模型决策关注区域更为精细,能够获得与医生诊断参考区域相一致的结果.

关键词：青光眼筛查、可解释性、注意力机制、卷积神经网络、决策关注区域

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金;湖南省自然科学基金;中南大学研究生自由探索与创新项目

在线出版日期：2021-03-30（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：363-375