首页|基于改进VOLO网络的糖尿病视网膜病变分类研究

基于改进VOLO网络的糖尿病视网膜病变分类研究

扫码查看
原文链接
  • 万方数据
  • 维普
为提高糖尿病视网膜病变(diabetic retinopathy,DR)的诊断效率,本研究提出了一种基于VOLO网络的DR分类模型.首先在Outlook attention中添加深度卷积模块,以提高注意力的表达能力;然后在注意力机制后端嵌入归一化的注意力模块突出显著特征,完成DR严重程度的分类.实验结果表明,模型的分类准确率达到 89.10％,本研究设计的网络模型具有较好的可行性,可在临床上更好地辅助医生精准治疗.
Classification of diabetic retinopathy based on improved VOLO network
To improve the diagnostic efficiency of diabetic retinopathy(DR),we proposed a DR classification model based on the VOLO network.First,the depthwise convolution module was added to Outlook attention to improve the expression ability of attention.Then the normalization-based attention module was embedded in the backend of the attention mechanism to highlight the salient fea-tures,thereby completing the DR classification of lesion severity.The experimental results showed that the classification accuracy of the model reached 89.10％.This research model has good feasibility and can better assist doctors in clinical precision treatment.

Fundus imagesImage classificationVision TransformerOutlookerDepthwise convolutionNormalization-based attention module

赵爽、邱潇钰、孔祥琳、张雅琪

展开 >

山东中医药大学,济南 250355

眼底图像 图像分类 Vision Transformer Outlooker 深度卷积 归一化注意力模块

山东省中医药科技项目资助课题山东中医药大学创新创业教育教学研究课题山东中医药大学高等教育研究课题

M-2022114CXCY202109GJYJZ202212

2024

10.19529/j.cnki.1672-6278.2024.04.07

生物医学工程研究
山东生物医学工程学会 山东省医疗器械研究所 山东省千佛山医院

生物医学工程研究

CSTPCD
影响因子：0.512
ISSN：1672-6278
年,卷(期)：2024.43(4)