多尺度特征融合网络的视网膜OCT图像分类

• 作者: 韩璐 毕晓君
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 视网膜 光学相干断层扫描 注意力机制 空间空洞金字塔 神经网络 图像分类 深度学习 医学图像
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 智能系统|Intelligent Systems
• 页码范围: 360-367
• 页数: 8页
• 分类号: TP391.7
• 语种: 中文
• DOI: 10.11992/tis.202111024

摘要

目前基于深度学习的视网膜OCT图像分类方法存在网络特征提取能力低、小目标病变分类困难等问题.为此本文提出了一种双分支多尺度特征融合网络,通过加入门控注意力机制,利用深层特征作为选通信号传递给浅层特征,在消除冗余特征的同时,获得更细尺度的抽象信息.同时加入空洞空间金字塔模块,实现在不降低特征图分辨率的同时增大感受野,按不同比例有效捕获全局上下文信息,提高了小目标病变分类精度.实验结果表明,本文提出的方法在视网膜OCT图像分类任务中取得了较好效果,分类准确率达97.9％.