基于增强特征融合YOLOV5的视网膜病变检测

• 作者: 韩璐 毕晓君
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 深度学习 神经网络 目标检测 视网膜 光学相干断层扫描 黄斑病变 医学图像 注意力机制
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 智能科学与技术
• 页码范围: 66-72
• 页数: 7页
• 分类号: TP391.7
• 语种: 中文
• DOI: 10.11991/yykj.202201001

摘要

针对视网膜黄斑病变数据集缺失以及视网膜图像冗余度过大问题,建立了包含3种视网膜病变的视网膜黄斑疾病检测数据集,并提出了一种基于改进YOLOV5的视网膜病变检测模型.该模型在特征提取网络中引入了改进的注意力机制模块,突出病变区域,降低视网膜图像中大量背景的影响.其次,改进加强特征提取网络,加权融合具有大量细节信息的浅层特征,增强网络对视网膜病变的定位能力.实验结果表明,本文模型具有良好的视网膜病变检测效果,检测精度达97.3％.