基于EfficientNet模型的糖尿病视网膜图像分类方法研究

作者：王悦; 安建成; 李锦通; 曹锐

来源：科技通报, 2022, 38(02): 31-38.

DOI：10.13774/j.cnki.kjtb.2022.02.005

• FRelu
• 空间注意力机制
• Focal Loss
• EfficientNet

目的:糖尿病性视网膜病变(diabetic retinopathy, DR)是导致糖尿病患者失明的主要原因。临床上主要通过医生对DR图像进行分析来判断患者是否需要进行治疗。但基于人工的分类性能受到医生主观因素及图像不同等级之间差异微小的影响，会出现误诊漏诊等情况。由此提出融合空间注意力机制的EfficientNet网络模型(A-U EfficientNet)实现DR图像自动准确五分类。方法:空间注意力机制使用FRelu作为激活函数实现像素级的空间信息建模能力。该机制将生成的注意力图与EfficientNet网络的特征进行元素点乘，对患病区域的特征进行增强，使模型自动关注微动脉瘤等相关区域特征并提供分类依据；针对交叉熵函数(cross entropy, CE)未能考虑到样本不均衡问题，引入Focal Loss损失函数，减少易分类样本的权重，使得模型在训练时更专注于难分类的样本。结果:在Kaggle数据集上进行实验后证明，A-U EfficientNet在测试集上的ACC、SP和SE分别为95.2%、97.9%和93.7%,比原始网络分别提高了2.8%、2.6%和3.7%。结论:融合空间注意力机制的EfficientNet网络模型能够有效提高DR分类准确性并向医生提供病灶位置，在临床上避免发生误诊漏诊的情况，防止因治疗不及时而造成严重的视力损伤。

• 单位
  太原理工大学