多层次可选择核卷积用于视网膜图像分类

作者：朱纳; 李明

来源：重庆邮电大学学报(自然科学版), 2021, 1-9.

• 视网膜图片
• 医学图像分类
• 深度学习
• 卷积神经网络

为了提高深度学习网络对糖尿病性视网膜病变识别准确率，针对光学相干断层扫描技术（optical coherence tomography ， OCT）的视网膜图像分类研究提出了一种基于可选择卷积核的网络模型，该模型能对多个尺度扩张率的卷积核之间进行自动选择操作。首先，分割阶段生成多条路径，这些路径具有相同的卷积核但不同的扩张率，对应不同的神经元感受野大小。其次，融合阶段将多条路径的信息进行组合和聚合，得到一个全局的、全面的选择权重表示。最后，选择操作再根据两种权值自身相似性和相对相似性来选择权值。实验结果表明，本文模型在两个视网膜公开的基准数据集OCT2017及SD-OCT上分别达到了95.39%、99.18%的分类结果。与目前已有的主流模型相比，本文模型的实验结果在两个数据集上均有提升。

• 单位
  重庆师范大学