科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对糖尿病视网膜病变（DR）检测模型在下采样过程中关键信息丢失和模型鲁棒性差的问题，构建了一个PM-Net模型（Parallel Multi-scale Network）。在下采样过程中，利用信息增强的方式设计了多尺度最大池化和多尺度卷积模块并对ResNet-50改进。进一步，为了提高模型的鲁棒性，使用双分支的架构对模型进行扩展。提出的多尺度模块使得模型在下采样的过程中获得了更加丰富的视网膜眼底图像特征，从而提高了DR检测的性能，同时提出的双分支模型在DR检测过程中用局部信息辅助全局信息保证了模型的鲁棒性。模型在EyePACS、DDR和私有数据集进行了实验验证。实验结果表明：与主流的模型相比，本模型在EyePACS数据集上的准确率和二次加权Kappa分数分别提高了2.58%和1.31%。
- 单位
