一种用于黄斑病变分类的改进卷积神经网络模型

作者：杨文意; 陈雯; 周兰; 郑伯川^*

来源：西华师范大学学报(自然科学版), 2023, 44(03): 318-325.

DOI：10.16246/j.issn.1673-5072.2023.03.014

• 光学相关断层扫描
• 视网膜
• 黄斑
• 深度学习
• 卷积神经网络

基于卷积神经网络的视网膜黄斑病变自动识别技术可辅助眼科医生诊断黄斑病变。为解决黄斑病变区域小和特征不明显导致黄斑病变类型不易识别的问题，提出了一种用于黄斑病变分类的改进卷积神经网络模型。首先，加入多尺度特征融合模块，将带有不同感受野的特征图进行拼接，从而提取更加丰富的黄斑病变特征；其次，增加注意力机制，有效抑制冗余特征的同时增加对病变区域的关注；最后，引入有效样本加权损失函数，充分学习少样本类别的病变特征，从而解决数据样本不平衡问题。实验证明，在UCSD视网膜黄斑病变数据集上，提出的模型进一步提高了黄斑病变的分类效果，分类准确率达到了97.60%,能够更加有效地辅助眼科医生诊断黄斑病变，提高诊疗效率。

• 单位
  西华师范大学