多区域融合注意力网络模型下的核性白内障分类

• 作者: 章晓庆 肖尊杰 东田理沙 陈婉 胡衍 袁进 刘江
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 核性白内障分类 眼前节光学相干断层成像图像(AS-OCT) 多区域融合注意力模块 深度学习 核性区域
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 研究应用|Research and Application
• 页码范围: 948-960
• 页数: 13页
• 分类号: TP391
• 语种: 中文

摘要

目的 核性白内障是主要致盲和导致视觉损害的眼科疾病,早期干预和白内障手术可以有效改善患者的视力和生活质量.眼前节光学相干断层成像图像(anterior segment optical coherence tomography,AS-OCT)能够非接触、客观和快速地获取白内障混浊信息.临床研究已经发现在AS-OCT图像中核性白内障严重程度与核性区域像素特征,如均值存在强相关性和高可重复性.但目前基于AS-OCT图像的自动核性白内障分类工作较少且分类结果还有较大提升空间.为此,本文提出一种新颖的多区域融合注意力网络(multi-region fusion attention network,MRA-Net)对AS-OCT图像中的核性白内障严重程度进行精准分类.方法 在提出的多区域融合注意力模型中,本文设计了一个多区域融合注意力模块(multi-region fusion attention,MRA),对不同核性区域特征表示进行融合来增强分类结果;另外,本文验证了以人和眼为单位的AS-OCT图像数据集拆分方式对核性白内障分类结果的影响.结果 在一个自建的AS-OCT图像数据集上结果表明,本文模型的总体分类准确率为87.78％,比对比方法至少提高了1％.在10种分类算法上的结果表明:以眼为单位的AS-OCT数据集优于以人为单位的AS-OCT数据集的分类结果,F1和Kappa评价指标分别最大提升了4.03％和8％.结论 本文模型考虑了特征图不同区域特征分布的差异性,使核性白内障分类更加准确;不同数据集拆分方式的结果表明,考虑到同一个人两只眼的核性白内障严重程度相似,建议白内障的AS-OCT图像数据集拆分以人为单位.