换一批基于通道注意力和层次多任务的糖网视网膜病变分类
Classification of diabetic retinopathy based on channel attention and hierarchical multitasking
摘要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.
更多相关知识
关键词
卷积神经网络眼底图像图像分类多任务网络ResNet50SELayerCAMconvolutional neural networks(CNN)fundus imageimage classificationmulti-task learningResNet50SELayerCAM
栏目名称
DOI
10.13505/j.1007-1482.2023.28.04.003
发布时间
2024-03-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（No.62101021）
- 浏览6
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
