-
题名基于通道注意力和层次多任务的糖网视网膜病变分类
- 1
-
-
作者
方雨程
李瑞瑞
-
机构
北京化工大学信息科学与技术学院
-
出处
《中国体视学与图像分析》
2023年第4期349-359,共11页
-
基金
国家自然科学基金青年基金(No.62101021)。
-
文摘
糖尿病视网膜病变眼底图像通常病灶尺寸较小且相似度较高,容易出现误诊和漏诊等情况,对其进行准确分类是一项重要且具有挑战性的任务。针对深度卷积神经网络分类不准确的问题,本文提出利用通道注意力模块(SE)来优化特征的提取,同时设计了一种基于层次树的多任务分类方法,以进一步提升分类性能。本文在糖尿病视网膜病变眼底图像数据集DDR上进行了实验,本文模型在整体准确率(OA)这一项上表现最好,在DDR数据上达到了87.3%,其整体分类准确率较其基准结果有7.02%的提升。消融实验表明,本文所提出的结合SE模块和层次多任务模块均能提升糖尿病视网膜病变分类的整体精度。本文也利用层次化类激活图(LayerCAM)生成病变热图,对网络的分类依据做出可视化解释。
-
关键词
卷积神经网络
眼底图像
图像分类
多任务网络
ResNet50
SE
layercam
-
Keywords
convolutional neural networks(CNN)learning
ResNet50
SE
layercam
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
R587.2
[医药卫生—内分泌]
-
