-
题名无源多领域自适应糖尿病视网膜病变分类方法
- 1
-
-
作者
张光华
杨阳
徐国华
-
机构
太原学院山西省健康大数据AI联合实验室
太原学院计算机科学与技术系
-
出处
《液晶与显示》
北大核心
2025年第7期1080-1091,共12页
-
基金
山西省基础研究计划(No.202203021211006)。
-
文摘
对于基于深度学习域自适应方法的糖尿病视网膜病变诊断,本文提出的扩散域注意力迁移学习模型由两个主要模块构成。首先,去噪扩散概率糖尿病视网膜病变图像生成模块通过生成丰富且多样化的目标域样本,促使模型学习更全面的目标域特征。其次,设计了无源多领域注意力集成模块,在无需访问源域数据的情况下,实现了多个源域预训练模型的加权注意力集成,从而在实例特定特征和领域一致特征之间取得了良好的平衡。实验结果表明,模型在可转诊糖尿病视网膜病变诊断任务中分别达到了90.66%的准确率、87.47%的精确度、85.41%的敏感度、91.63%的特异度和86.42%的F1分数。同时,模型在正常/异常视网膜病变识别任务中达到了96.75%的准确率、99.23%的精确度、90.47%的敏感度、99.27%的特异度以及94.65%的F1分数。本文模型在不访问源域数据且目标域样本无标签的前提下能够进行有效的视网膜病变诊断。
-
关键词
糖尿病视网膜病变
深度学习
无源多领域自适应
扩散域注意力迁移学习
-
Keywords
diabetic retinopathy
deep learning
source-free multi-domain adaptive
diffusion-enhanced domain-attention transfer learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
