基于改进胶囊网络的糖尿病性视网膜病变识别研究

1

作者 朱周华 田成源 +2 位作者 侯智杰 周怡纳 王斌 《实用医学杂志》 北大核心 2025年第7期968-975,共8页

目的针对实际场景下小样本糖尿病性视网膜病变识别模型重要特征不易表达,真、假特征系数分布过于平稳的问题,提出了一种基于改进胶囊网络的小样本糖尿病性视网膜病变识别方法。方法首先采取删除图像不必要边界信息并使用基于Haar基函数... 目的针对实际场景下小样本糖尿病性视网膜病变识别模型重要特征不易表达,真、假特征系数分布过于平稳的问题,提出了一种基于改进胶囊网络的小样本糖尿病性视网膜病变识别方法。方法首先采取删除图像不必要边界信息并使用基于Haar基函数的离散小波变换来处理图像的方法,来提高图像的特征表达能力,凸显重要病灶特征;其次,对胶囊网络的卷积层进行改进,采用多分支结构提取视网膜图像的多尺度特征,并添加卷积块注意力模块(convolutional block attention module,CBAM),封装并送入胶囊层中;最后,在动态路由中用sigmoid函数替代softmax函数,增强了模型的鲁棒性。结果所改进网络模型在节选并处理后的Kaggle公开数据集中测试准确率为98.62%。结论改进胶囊网络在小样本糖尿病性视网膜病变识别的任务中所取得的精确度高于当前其他先进算法。 展开更多

关键词 糖尿病性视网膜病变识别 多尺度 小样本 胶囊网络 CBAM

在线阅读 下载PDF 职称材料

动态空间Transformer与多级融合的视网膜病变分级算法

2

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,... 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。 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

3

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... 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。 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

4

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... 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。 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：3

5

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... 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%。 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

融合注意力的ConvNeXt视网膜病变自动分级 被引量：6

6

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... 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。 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

跨层双线性策略的视网膜病变分级算法

7

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... 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。 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

应用视觉注意力的糖尿病视网膜病变眼底影像筛查及分级 被引量：6

8

作者 万加龙 胡建斌 +1 位作者 金炜东 唐鹏 《中华实验眼科杂志》 CAS CSCD 北大核心 2019年第8期630-637,共8页

目的构建基于视觉注意力的糖尿病视网膜病变(DR)辅助诊断的智能分析系统,实现DR眼底影像的自动筛查及分级。方法从数据建模及数据分析竞赛平台(Kaggle)中的Diabetic Retinopathy Detection竞赛上下载得到35126张DR眼底图片,并从Messido... 目的构建基于视觉注意力的糖尿病视网膜病变(DR)辅助诊断的智能分析系统,实现DR眼底影像的自动筛查及分级。方法从数据建模及数据分析竞赛平台(Kaggle)中的Diabetic Retinopathy Detection竞赛上下载得到35126张DR眼底图片,并从Messidor网站上下载得到1200张彩色眼底照片。首先,针对现有的DR眼底图像的特征,对视网膜图像进行一系列预处理;然后,在VGG16网络的基础上引入视觉注意力SENet模块,以提高病灶特征的显著性,生成一个网络结构较为复杂的深度卷积神经网络(CNN)SEVGG,该网络基本上继承了VGG16的一些结构参数,而SENet模块参数则根据基本网络及训练数据集进行相应的调整;最后,应用SEVGG网络模型对DR眼底图像进行筛查,并根据不同时期DR的病变程度把眼底图像分成不同等级。配置训练平台及环境并进行算法性能验证实验。结果将本研究中提出的方法在不同的公开标准数据集上进行检验,最终在基于图像的分类上实现了较高的准确率,其中Kaggle数据集中5分类准确率可达83%,病变检测的敏感性为99.86%,特异性为99.63%,Messidor数据集中4分类准确率可达88%,病变检测的敏感性为98.17%,特异性为96.39%。引入视觉注意力对于病灶点的关注更加显著,有助于DR的精准检测。结论应用视觉注意力的DR眼底影像筛查及分级方法有效避免了传统人工特征提取和眼底图像分类的一些缺点,且对于病灶点的识别更加精确,不仅优于之前的方法,而且具有较好的鲁棒性及泛化性。 展开更多

关键词 糖尿病视网膜病变 视觉注意力 卷积神经网络 注意力模块 分级

在线阅读 下载PDF 职称材料

基于MA-DRNet的糖尿病视网膜病变等级识别方法 被引量：1

9

作者 徐盼盼 陈长骏 +1 位作者 闫志文 李林超 《科学技术与工程》 北大核心 2023年第3期1168-1175,共8页

糖尿病视网膜病变是糖尿病并发症最常见的疾病之一。由于视网膜病变病灶具有特征复杂、特征差异小的特点,导致传统深度学习网络对视网膜病变等级识别存在错误率高、鲁棒性差等问题。针对上述问题,提出了一种MA-DRNet模型进行优化:①提... 糖尿病视网膜病变是糖尿病并发症最常见的疾病之一。由于视网膜病变病灶具有特征复杂、特征差异小的特点,导致传统深度学习网络对视网膜病变等级识别存在错误率高、鲁棒性差等问题。针对上述问题,提出了一种MA-DRNet模型进行优化:①提出了一种多级特征残差块,提取不同分辨率多尺度特征、扩大模型感受野,加强模型对于小尺度病灶的学习能力以及模型对尺度的鲁棒性;②改进一种全局通道联合注意力机制,实现像素长距离依赖关系捕获和通道注意力,提升模型对复杂病灶表征效果;③设计集成难例挖掘训练方法,巩固对于困难样本的学习,融入集成的思想提升模型对易错样本的关注度。在Kaggle和Messidor两个公开视网膜数据集进行模型训练和测试,本文模型特异性为99.02%,敏感性为98.26%,准确率为98.87%,各指标均优于目前同类算法。大量的实验表明,MA-DRNet有效的解决了视网膜病变识别存在的问题,实现了视网膜病变等级的高精度辅助诊断。 展开更多

关键词 视网膜病变识别 卷积神经网络 注意力机制 难例挖掘

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

10

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。... 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。 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

特征自适应过滤的视网膜病变分级算法 被引量：3

11

作者 梁礼明 雷坤 +1 位作者 詹涛 周珑颂 《图学学报》 CSCD 北大核心 2022年第5期815-824,共10页

针对视网膜病变图像特征识别困难以及病变分级效率不高等问题,提出一种特征自适应过滤的视网膜病变分级算法。首先,算法利用ResNet-50网络构建的多尺度过滤分支(MFB)对视网膜病变图像进行逐级特征提取;其次,在不同尺度的过滤分支后级联... 针对视网膜病变图像特征识别困难以及病变分级效率不高等问题,提出一种特征自适应过滤的视网膜病变分级算法。首先,算法利用ResNet-50网络构建的多尺度过滤分支(MFB)对视网膜病变图像进行逐级特征提取;其次,在不同尺度的过滤分支后级联自适应特征过滤块(AFFB)对视网膜病变图像进行特征增强与过滤;然后,使用特征互补融合模块(FCFM)对特征过滤后的多个局部增强特征进行信息互补,并通过聚合局部增强特征的互补信息丰富视网膜病变图像的局部细节;最后,采用细粒度分类损失与焦点损失对具有不同局部特征信息的分级模型进行训练,并在IDRiD数据集上进行实验。实验结果表明,所提分级算法的准确率为80.58%、加权Kappa系数为88.70%、特异性为94.20%、敏感性为94.10%,该算法能有效识别视网膜病变图像的细微病变区域并提高分级效率。 展开更多

关键词 视网膜病变 病变分级 自适应 特征过滤 多尺度特征

在线阅读 下载PDF 职称材料

标准七视野眼底彩色照相中微动脉瘤病灶自动化识别研究 被引量：1

12

作者 余奇 刘梦雪 +2 位作者 杨杰 刘堃 许迅 《上海交通大学学报(医学版)》 CAS CSCD 北大核心 2019年第6期598-604,共7页

目的·评估监督机器学习算法自动化检测标准七视野眼底彩色照相中微动脉瘤病灶的准确性及检测效率。方法·采集录入2014—2016年于上海交通大学附属第一人民医院眼科门诊就诊的44例糖尿病性视网膜病变(diabetic retinopathy,DR... 目的·评估监督机器学习算法自动化检测标准七视野眼底彩色照相中微动脉瘤病灶的准确性及检测效率。方法·采集录入2014—2016年于上海交通大学附属第一人民医院眼科门诊就诊的44例糖尿病性视网膜病变(diabetic retinopathy,DR)患者的标准七视野眼底彩色照相图像616幅。通过组合应用包括图像预处理、双窗口滤波器、支持向量机等5个关键步骤,对微动脉瘤病灶实现自动化检测,同时与眼科专科医师的手工标记进行比对,评估自动化算法对微动脉瘤病灶识别的准确性及检测效率。结果·在DR标准七视野眼底彩色照相图像库中,计算机自动化识别算法的微动脉瘤检测灵敏度为94.15%、特异度为98.05%。其中,在视盘视野、黄斑视野、黄斑颞侧视野、颞上视野、颞下视野、鼻上视野、鼻下视野各图像分集合中的算法检测灵敏度分别为93.09%、94.84%、95.16%、94.99%、93.77%、92.40%、93.75%,特异度分别为98.02%、98.06%、97.97%、97.91%、98.07%、98.03%、98.23%,算法在各图像分集合中的微动脉瘤病灶检测灵敏度和特异度同总集合中的检测灵敏度差异没有统计学意义(P>0.05)。每幅图像检测耗时(9.2±0.6)s,较手工标记节约用时93.2%。结论·基于监督机器学习算法的微动脉瘤病灶自动识别算法能够准确、高效地识别标准七视野眼底彩色照相中及各个视野范围中的微动脉瘤病灶。 展开更多

关键词 糖尿病性视网膜病变 微动脉瘤 模式识别 图像分析 眼底彩色照相

在线阅读 下载PDF 职称材料