摘要

糖尿病性视网膜病变是一种致盲率极高的眼科疾病。临床中,医生须根据视网膜的病变程度对患者采取相应治疗措施。但由于患者众多、病灶微小,因此在诊断过程会出现误诊或漏诊现象。对此,结合视网膜中病灶的尺寸差异,提出了一种基于微小病灶关注的视网膜病变自动诊断模型。该模型以改进的ResNet34为主干网络,融入局部特征提取网络(LFENet)来增强对微小病灶的捕获能力,并采用迁移学习解决数据稀缺问题。模型在双网络的驱动下,实现病变诊断与病变程度的分级,在测试集上的准确率分别达到0.970 1和0.796 2,参数量仅有5.5 M,与其他网络模型相比,准确率更高、参数量更低,具有临床应用价值。