目前视网膜静脉阻塞检测几乎都依靠人工识别,存在检测精度低、速度慢等问题。针对这一状况,在YOLOv5的基础上提出了一种基于空间、通道注意力增强(Channel and Spatial Attention Enhancement,CASE)的CSAE-YOLO网络。首先将空间、通道...目前视网膜静脉阻塞检测几乎都依靠人工识别,存在检测精度低、速度慢等问题。针对这一状况,在YOLOv5的基础上提出了一种基于空间、通道注意力增强(Channel and Spatial Attention Enhancement,CASE)的CSAE-YOLO网络。首先将空间、通道注意力机制与E-ELAN结合,组成新的CSAE-ELAN主干网络。CSAE-ELAN具有高效的通道间依赖关系和感受野更广的空间注意力,提升了提取特征信息的能力;其次使用改进的空间金字塔池化,加强对不同尺度病灶的检测能力。实验结果表明:改进后网络的mAP为87%,检测速度为30帧/s,远优于其他算法,具有精度高、参数规模小、识别速度快的特点,为RVO检测提供了一种新的AI辅助诊断方法。展开更多
文摘目前视网膜静脉阻塞检测几乎都依靠人工识别,存在检测精度低、速度慢等问题。针对这一状况,在YOLOv5的基础上提出了一种基于空间、通道注意力增强(Channel and Spatial Attention Enhancement,CASE)的CSAE-YOLO网络。首先将空间、通道注意力机制与E-ELAN结合,组成新的CSAE-ELAN主干网络。CSAE-ELAN具有高效的通道间依赖关系和感受野更广的空间注意力,提升了提取特征信息的能力;其次使用改进的空间金字塔池化,加强对不同尺度病灶的检测能力。实验结果表明:改进后网络的mAP为87%,检测速度为30帧/s,远优于其他算法,具有精度高、参数规模小、识别速度快的特点,为RVO检测提供了一种新的AI辅助诊断方法。
