面向糖尿病视网膜病变分级的多层特征关注增强网络

摘要

为进一步提高对糖尿病视网膜病变严重程度的诊断准确率，提出一种多层特征关注增强网络（MFAE-Net）。针对处理糖尿病视网膜病变图像时全局与局部特征的统一表达方面不足的问题，采用双分支并行的ResNet-50和DeiT-S模型作为骨干架构，并在网络末端位置设计特征融合模块。同时，设计多尺度位置感知增强模块，通过空洞卷积结合位置注意力机制提取多尺度信息，增强眼底图像中病变的特征表示；设计局部特征增强模块，强化对局部信息的提取能力，从而提高模型识别小病变和微小变化的能力。实验结果表明，本研究提出的MFAE-Net达到87.61%的准确率，表现出优异的分类效果，为进一步推动糖尿病视网膜病变检测技术的发展提供有力的支持。

关键词

糖尿病视网膜病变 / 图像分类 / 特征融合 / 计算机辅助诊断

基金资助

青岛市科技惠民示范项目（23-2-8-smjk-20-nsh）