检索结果-维普期刊中文期刊服务平台

动态空间Transformer与多级融合的视网膜病变分级算法: 1; 作者梁礼明钟奕 +1 位作者康婷金家新《计算机工程与科学》北大核心 2025年第8期1459-1469,共11页; 针对糖尿病视网膜病变图像存在误分级和病灶边缘信息关注较少的问题,提出一种动态空间Transformer与多级融合视网膜病变分级算法。该算法首先将视网膜图像经PVT v2主干网络实现对病灶信息的初步提取;其次在网络前3层引入轮廓增强模块,... 展开更多; 关键词视网膜病变分级动态空间注意力轮廓增强模块多级门控融合模块; 在线阅读下载PDF 职称材料

融合PVTv2和DenseNet121的双注意力视网膜病变分级算法: 2; 作者梁礼明钟奕 +1 位作者陈康泉王成斌《光电工程》北大核心 2025年第4期15-29,共15页; 针对视网膜眼底病变图像数据集类间分布不均和病灶区域识别困难的问题,提出一种融合金字塔视觉变压器(pyramid vision transformer v2,PVTv2)和DenseNet121双注意力视网膜病变分级算法。首先,该算法经由PVTv2和DenseNet121组成的双分支... 展开更多; 关键词视网膜病变分级空间通道协同注意力模块多频率多尺度注意力模块神经元交叉融合模块; 在线阅读下载PDF 职称材料

融合坐标感知与混合提取的视网膜病变分级算法被引量：4: 3; 作者梁礼明金家新 +1 位作者冯耀卢宝贺《光电工程》 CAS CSCD 北大核心 2024年第1期43-54,共12页; 针对糖尿病视网膜病变中存在样本分布不平衡和病灶区域特征识别困难等问题,提出一种融合坐标感知与混合提取的视网膜病变分级算法。该算法首先对视网膜输入图像进行裁剪、高斯滤波等预处理操作,以增强图像病变前景与噪声背景之间的差异... 展开更多; 关键词视网膜病变分级图像预处理混合双模型多层坐标感知特征融合; 在线阅读下载PDF 职称材料

基于图卷积网络的糖尿病视网膜病变分级模型被引量：1: 4; 作者杨雨帆袁立明 +4 位作者王珂李弘毅李奕璇姚雨佳王婧祎《计算机科学》 CSCD 北大核心 2024年第S02期451-455,共5页; 糖尿病视网膜病变是一种高风险的致盲性疾病,若能及早发现病变情况,则可对症治疗,减缓或阻止患者进一步的视力丧失。目前已经有一些利用深度学习进行糖尿病视网膜疾病检测的成功案例。然而,这些方法通常只考虑了图像中像素之间的空间关... 展开更多; 关键词糖尿病视网膜病变分级卷积神经网络图卷积网络双路分支网络自适应权重机制; 在线阅读下载PDF 职称材料

跨层双线性策略的视网膜病变分级算法: 5; 作者梁礼明金家新 +1 位作者李俞霖董信《计算机工程与设计》北大核心 2024年第12期3794-3801,共8页; 针对糖尿病视网膜病变(diabetic retinopathy,DR)中存在类间差异小和病变区域识别困难等问题,提出一种跨层双线性策略的视网膜病变分级算法。对输入图像进行高斯滤波等预处理方法增强图像特征的差异性,使用Res2Net-50双模型提取特征并... 展开更多; 关键词视网膜病变分级双线性模型注意力机制像素融合图像处理残差网络特征增强和特征抑制模块; 在线阅读下载PDF 职称材料

基于注意力机制多特征融合的视网膜病变分级算法被引量：6: 6; 作者梁礼明董信 +1 位作者李仁杰何安军《光电工程》 CAS CSCD 北大核心 2023年第1期98-109,共12页; 糖尿病视网膜病变(Diabetic Retinopathy,DR)是糖尿病的一个常见的急性阶段,可引起视网膜的视功能异常。针对视网膜眼底图像病灶区域识别困难以及分级效率不高等问题,本文提出一种基于注意力机制多特征融合的算法来对DR进行诊断分级。... 展开更多; 关键词视网膜病变分级多尺度特征注意力机制图形特征融合; 在线阅读下载PDF 职称材料

融合注意力的ConvNeXt视网膜病变自动分级被引量：6: 7; 作者黄文博黄钰翔 +1 位作者姚远燕杨《光学精密工程》 EI CAS CSCD 北大核心 2022年第17期2147-2154,共8页; 由于视网膜病变的类间图像特征差别小及分类临界值相对模糊,自动分级算法存在识别与分级准确率低的问题,提出了融合高效通道注意力(Efficient Channel Attention,ECA)特征的ConvNeXt视网膜病变自动分级模型。针对数据集中数据不足的问题... 展开更多; 关键词视网膜病变识别与分级迁移学习 ConvNeXt网络高效通道注意力 E-Block; 在线阅读下载PDF 职称材料

题名动态空间Transformer与多级融合的视网膜病变分级算法: 1; 作者梁礼明钟奕康婷金家新; 机构江西理工大学电气工程与自动化学院; 出处《计算机工程与科学》北大核心 2025年第8期1459-1469,共11页; 基金国家自然科学基金(51365017,61463018) 江西省自然科学基金(20192BAB205084) 江西省教育厅科学技术研究青年项目(GJJ2200848)。; 文摘针对糖尿病视网膜病变图像存在误分级和病灶边缘信息关注较少的问题,提出一种动态空间Transformer与多级融合视网膜病变分级算法。该算法首先将视网膜图像经PVT v2主干网络实现对病灶信息的初步提取;其次在网络前3层引入轮廓增强模块,凸显病灶边缘特征,提高算法对病灶像素的定位感知能力;再次在网络底层设计动态空间注意力模块,有效联系全局和局部空间信息,以提升算法挖掘深层语义信息的能力;最后构建多级门控融合模块,实现非诊断信息的滤除,同时对可诊断信息进行多级融合,进一步提高视网膜病变分级准确率。在IDRID和APTOS 2019数据集上进行实验验证,其二次加权系数分别为91.71%和89.89%,IDRID数据集上准确率和APTOS 2019数据集ROC曲线下方面积的占比分别为79.61%和93.06%。实验结果表明,所提出算法在视网膜病变分级领域具有一定应用价值。; 关键词视网膜病变分级动态空间注意力轮廓增强模块多级门控融合模块; Keywords retinopathy grading dynamic spatial attention contour enhancement module multi-scale gated fusion module; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名融合PVTv2和DenseNet121的双注意力视网膜病变分级算法: 2; 作者梁礼明钟奕陈康泉王成斌; 机构江西理工大学电气工程与自动化学院; 出处《光电工程》北大核心 2025年第4期15-29,共15页; 基金国家自然科学基金资助项目(51365017,61463018) 江西省自然科学基金资助项目(20192BAB205084) 江西省教育厅科学技术研究青年项目(GJJ2200848)。; 文摘针对视网膜眼底病变图像数据集类间分布不均和病灶区域识别困难的问题,提出一种融合金字塔视觉变压器(pyramid vision transformer v2,PVTv2)和DenseNet121双注意力视网膜病变分级算法。首先,该算法经由PVTv2和DenseNet121组成的双分支网络,对视网膜图像的全局和局部信息进行初步提取;其次,在PVTv2和DenseNet121输出处分别采用空间通道协同注意力模块和多频率多尺度模块,优化局部特征细节,突显微小病灶特征,增强模型对复杂微小病变特征敏感性和病灶的定位感知;再次设计神经元交叉融合模块,建立病灶区域宏观布局和微观纹理信息之间的远程依赖关系,进而提高视网膜病变分级准确率;最后,利用混合损失函数缓解样本分布不均所导致的各等级之间模型关注度不平衡情况。在IDRID和APTOS 2019数据集上进行实验验证,其二次加权系数分别为90.68%和90.35%,IDRID数据集上的准确率和APTOS 2019数据集ROC曲线下方面积分别为80.58%和93.22%。实验结果表明,所提算法在视网膜病变分级领域具有一定应用价值。; 关键词视网膜病变分级空间通道协同注意力模块多频率多尺度注意力模块神经元交叉融合模块; Keywords retinal disease grading spatial-channel synergistic attention module multi-frequency multi-scale attention module neuron cross fusion module; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名融合坐标感知与混合提取的视网膜病变分级算法被引量：4: 3; 作者梁礼明金家新冯耀卢宝贺; 机构江西理工大学电气工程与自动化学院; 出处《光电工程》 CAS CSCD 北大核心 2024年第1期43-54,共12页; 基金国家自然科学基金资助项目(51365017,6146301) 江西省自然科学基金资助项目(20192BAB205084)。; 文摘针对糖尿病视网膜病变中存在样本分布不平衡和病灶区域特征识别困难等问题,提出一种融合坐标感知与混合提取的视网膜病变分级算法。该算法首先对视网膜输入图像进行裁剪、高斯滤波等预处理操作,以增强图像病变前景与噪声背景之间的差异度;然后由Res2Net-50和Densenet-121骨干网络组成的混合双模型将增强后的图像进行特征逐层提取,实现多尺度特征纹理的充分捕捉;再在混合双模型连接处融入多层坐标感知模块和注意力特征融合模块,达到剔除聚焦病灶特征干扰的目的,实现不同病灶语义间的权重重塑;最后利用组合损失函数缓解样本分布不均匀问题,进一步监督模型的训练与测试。该文算法在IDRID和APTOS 2019数据集上进行实验,二次加权系数分别为88.76%和90.29%;准确率分别为81.55%和84.42%,为视网膜病变分级智能辅助诊断提供了新窗口。; 关键词视网膜病变分级图像预处理混合双模型多层坐标感知特征融合; Keywords retinopathy grading image preprocessing hybrid dual model multi-layer coordinate perception feature fusion; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于图卷积网络的糖尿病视网膜病变分级模型被引量：1: 4; 作者杨雨帆袁立明王珂李弘毅李奕璇姚雨佳王婧祎; 机构天津理工大学计算机科学与工程学院; 出处《计算机科学》 CSCD 北大核心 2024年第S02期451-455,共5页; 基金天津理工大学大学生创新创业训练计划项目(202110060108) 天津理工大学研究生教育教学研究与改革项目(YBXM2318)。; 文摘糖尿病视网膜病变是一种高风险的致盲性疾病,若能及早发现病变情况,则可对症治疗,减缓或阻止患者进一步的视力丧失。目前已经有一些利用深度学习进行糖尿病视网膜疾病检测的成功案例。然而,这些方法通常只考虑了图像中像素之间的空间关系,而没有考虑到图像深层特征之间的关系。为此,提出了一种基于图卷积网络的糖尿病视网膜病变分级模型,旨在帮助医生和研究人员在临床实践和科研工作中更好地进行糖尿病视网膜病变图像的分级和诊断。本模型主要通过图卷积网络去捕捉图像深层特征间所蕴含的重要的分级信息,获得具有更强语义信息的特征,并在此基础上构建一个双路分支网络。此外,为了更好地进行特征融合,采用自适应权重机制来进一步提高分级性能。实验结果表明,所提出的方法利用图卷积网络可以充分学习到图像深层特征间的关系,从而提高分级性能,其分类准确率在APTOS2019数据集上达到约84.8%,在Messidor-2数据集上达到约68%。; 关键词糖尿病视网膜病变分级卷积神经网络图卷积网络双路分支网络自适应权重机制; Keywords Diabetic retinopathy grading Convolutional neural network Graph convolutional network Two-way branch network Adaptive weighting mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名跨层双线性策略的视网膜病变分级算法: 5; 作者梁礼明金家新李俞霖董信; 机构江西理工大学电气工程与自动化学院; 出处《计算机工程与设计》北大核心 2024年第12期3794-3801,共8页; 基金国家自然科学基金项目(51365017、61463018) 江西省自然科学基金项目(20192BAB205084)。; 文摘针对糖尿病视网膜病变(diabetic retinopathy,DR)中存在类间差异小和病变区域识别困难等问题,提出一种跨层双线性策略的视网膜病变分级算法。对输入图像进行高斯滤波等预处理方法增强图像特征的差异性,使用Res2Net-50双模型提取特征并进行特征增强;通过多分支注意力模块聚焦病变区域,减少不相关信息的关注;使用像素注意力引导融合模块对不同尺度的特征信息融合。在IDRID数据集上二次加权系数为91.82%、准确率为80.58%、敏感性为97.10%、特异性为97.05%,APTOS 2019数据集上准确率为84.28%,二次加权系数为90.05%,结果表明该算法具有一定应用价值。; 关键词视网膜病变分级双线性模型注意力机制像素融合图像处理残差网络特征增强和特征抑制模块; Keywords retinopathy classification bilinear model attention mechanism pixel fusion image processing residual network feature enhancement and feature suppression modules; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于注意力机制多特征融合的视网膜病变分级算法被引量：6: 6; 作者梁礼明董信李仁杰何安军; 机构江西理工大学电气工程与自动化学院; 出处《光电工程》 CAS CSCD 北大核心 2023年第1期98-109,共12页; 基金国家自然科学基金资助项目(51365017,6146301) 江西省自然科学基金资助项目(20192BAB205084)。; 文摘糖尿病视网膜病变(Diabetic Retinopathy,DR)是糖尿病的一个常见的急性阶段,可引起视网膜的视功能异常。针对视网膜眼底图像病灶区域识别困难以及分级效率不高等问题,本文提出一种基于注意力机制多特征融合的算法来对DR进行诊断分级。首先对输入的图像采用高斯滤波等形态学预处理来提升眼底图像特征对比度;然后用ResNeSt50残差网络作为模型的骨干,引入多尺度特征增强模块对视网膜病变图像病变区域进行特征增强,提高分级准确率;再后利用图形特征融合模块对主干输出的特征增强后的局部特征进行信息融合;最后采用中心损失和焦点损失组合的加权损失函数进一步提升分类效果。在印度糖尿病视网膜病变(IDRID)数据集中灵敏度和特异性分别为95.65%和91.17%,二次加权一致性检验系数为90.38%。在Kaggle比赛数据集中准确率为84.41%,受试者工作特征曲线下的面积为90.36%。仿真实验表明,本文算法在糖尿病视网膜病变分级中具有一定的应用价值。; 关键词视网膜病变分级多尺度特征注意力机制图形特征融合; Keywords retinopathy grade multiscale features attention mechanism graphic feature fusion; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名融合注意力的ConvNeXt视网膜病变自动分级被引量：6: 7; 作者黄文博黄钰翔姚远燕杨; 机构长春师范大学计算机科学与技术学院中国科学院重大任务局; 出处《光学精密工程》 EI CAS CSCD 北大核心 2022年第17期2147-2154,共8页; 基金吉林省自然科学基金资助项目(No.YDZJ202101ZYTS147) 吉林省教育厅科学研究规划项目(No.JJKH20200830KJ) 吉林省教育厅科学技术研究项目(No.JJKH20210887KJ)。; 文摘由于视网膜病变的类间图像特征差别小及分类临界值相对模糊,自动分级算法存在识别与分级准确率低的问题,提出了融合高效通道注意力(Efficient Channel Attention,ECA)特征的ConvNeXt视网膜病变自动分级模型。针对数据集中数据不足的问题,采用水平翻转左右变换的方法扩充数据,并引入相关数据集来均衡数据的分布。针对眼底图像中出现的图像模糊、光照不均等问题,采用Graham方法对图像进行预处理突出病变特征。提出了融合注意力的ConvNeXt网络来辅助医生诊断视网膜病变,引入ECA机制,并设计了E-Block模块,该模块具有高性能、低参数的特性,能够在训练过程中有效捕捉跨通道交互的信息,同时避免降维。采用迁移学习方法训练网络的所有层参数,加入dropout方法避免ConvNeXt网络的学习能力过强导致的过拟合问题。实验结果表明,所提出的模型敏感性为95.20%,特异度为98.80%,准确率为95.21%。与常用的网络相比,本文方法针对视网膜病变自动分级各项性能指标均有提高。; 关键词视网膜病变识别与分级迁移学习 ConvNeXt网络高效通道注意力 E-Block; Keywords retinopathy recognition and grading transfer learning ConvNeXt network Efficient Channel Attention(ECA) E-Block; 分类号 TP391.7 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	动态空间Transformer与多级融合的视网膜病变分级算法	梁礼明钟奕康婷金家新	《计算机工程与科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	融合PVTv2和DenseNet121的双注意力视网膜病变分级算法	梁礼明钟奕陈康泉王成斌	《光电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
3	融合坐标感知与混合提取的视网膜病变分级算法	梁礼明金家新冯耀卢宝贺	《光电工程》 CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于图卷积网络的糖尿病视网膜病变分级模型	杨雨帆袁立明王珂李弘毅李奕璇姚雨佳王婧祎	《计算机科学》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	跨层双线性策略的视网膜病变分级算法	梁礼明金家新李俞霖董信	《计算机工程与设计》北大核心	2024	0	在线阅读下载PDF 职称材料
6	基于注意力机制多特征融合的视网膜病变分级算法	梁礼明董信李仁杰何安军	《光电工程》 CAS CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料
7	融合注意力的ConvNeXt视网膜病变自动分级	黄文博黄钰翔姚远燕杨	《光学精密工程》 EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料