融合注意力谱非局部块的视网膜图像质量分级

作者：梁礼明; 董信; 雷坤; 夏雨辰; 吴健

来源：西安电子科技大学学报, 2023, 1-12.

DOI：10.19665/j.issn1001-2400.20231101

• 视网膜图像质量分级
• 谱非局部块
• 注意力机制
• 特征迭代融合
• 组合损失

视网膜图像质量评估(Retinal image quality assessment，RIQA)是筛查糖尿病视网膜病变的关键组成部分之一。针对视网膜图像质量差异大且质量评估模型泛化能力不足等问题，提出一种融合注意力谱非局部块的多特征算法来对RIQA进行预测分级。首先采用融合光谱非局部块的ResNet50网络对输入图像进行特征提取；其次引入高效通道注意力用于提升模型对数据的表达能力，有效捕获通道间特征信息关系；再后利用特征迭代注意力融合模块对各局部特征信息融合；最后联合焦点损失和正则损失进一步提高质量分级的效果。在Eye-Quality数据集上准确率为88.59%，精确度为87.56%，敏感度和F1值分别为86.10%和86.74%。在RIQA-RFMiD数据集上准确率和F1值分别为84.22%和67.17%，仿真实验表明，本文算法对视网膜图像质量评估任务中具有较好的泛化能力。

• 单位
  江西理工大学; 自动化学院