基于MA-DRNet的糖尿病视网膜病变等级识别方法

摘要：

糖尿病视网膜病变是糖尿病并发症最常见的疾病之一.由于视网膜病变病灶具有特征复杂、特征差异小的特点,导致传统深度学习网络对视网膜病变等级识别存在错误率高、鲁棒性差等问题.针对上述问题,提出了一种MA-DRNet模型进行优化:①提出了一种多级特征残差块,提取不同分辨率多尺度特征、扩大模型感受野,加强模型对于小尺度病灶的学习能力以及模型对尺度的鲁棒性;②改进一种全局通道联合注意力机制,实现像素长距离依赖关系捕获和通道注意力,提升模型对复杂病灶表征效果;③设计集成难例挖掘训练方法,巩固对于困难样本的学习,融入集成的思想提升模型对易错样本的关注度.在Kaggle和Messidor两个公开视网膜数据集进行模型训练和测试,本文模型特异性为99.02％,敏感性为98.26％,准确率为98.87％,各指标均优于目前同类算法.大量的实验表明,MA-DRNet有效的解决了视网膜病变识别存在的问题,实现了视网膜病变等级的高精度辅助诊断.

关键词：视网膜病变识别、卷积神经网络、注意力机制、难例挖掘

所属期刊栏目：23

分类号：TP399;R445.9(计算技术、计算机技术)

资助基金：浙江省人民医院优秀科研启动基金ZRY2021C024

在线出版日期：2023-03-23（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：1168-1175