首页|多区域融合注意力网络模型下的核性白内障分类

多区域融合注意力网络模型下的核性白内障分类

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 核性白内障是主要致盲和导致视觉损害的眼科疾病,早期干预和白内障手术可以有效改善患者的视力和生活质量.眼前节光学相干断层成像图像(anterior segment optical coherence tomography,AS-OCT)能够非接触、客观和快速地获取白内障混浊信息.临床研究已经发现在AS-OCT图像中核性白内障严重程度与核性区域像素特征,如均值存在强相关性和高可重复性.但目前基于AS-OCT图像的自动核性白内障分类工作较少且分类结果还有较大提升空间.为此,本文提出一种新颖的多区域融合注意力网络(multi-region fusion attention network,MRA-Net)对AS-OCT图像中的核性白内障严重程度进行精准分类.方法 在提出的多区域融合注意力模型中,本文设计了一个多区域融合注意力模块(multi-region fusion attention,MRA),对不同核性区域特征表示进行融合来增强分类结果;另外,本文验证了以人和眼为单位的AS-OCT图像数据集拆分方式对核性白内障分类结果的影响.结果 在一个自建的AS-OCT图像数据集上结果表明,本文模型的总体分类准确率为87.78％,比对比方法至少提高了1％.在10种分类算法上的结果表明:以眼为单位的AS-OCT数据集优于以人为单位的AS-OCT数据集的分类结果,F1和Kappa评价指标分别最大提升了4.03％和8％.结论 本文模型考虑了特征图不同区域特征分布的差异性,使核性白内障分类更加准确;不同数据集拆分方式的结果表明,考虑到同一个人两只眼的核性白内障严重程度相似,建议白内障的AS-OCT图像数据集拆分以人为单位.
Nuclear cataract classification based on multi-region fusion attention network model

章晓庆、肖尊杰、东田理沙、陈婉、胡衍、袁进、刘江

展开 >

南方科技大学计算机科学与工程系, 深圳 518055

TOMEY株式会社,名古屋 451-0051,日本

中山大学中山眼科中心,广州 510060

中国科学院宁波材料技术与工程研究所慈溪生物医学工程研究所,宁波 315201

广东省类脑智能计算重点实验室, 深圳 518055

展开 >

核性白内障分类 眼前节光学相干断层成像图像(AS-OCT) 多区域融合注意力模块 深度学习 核性区域

国家自然科学基金广东省普通高等学校重点领域专项广东省重点实验室项目

8210072776202DZX30432020B121201001

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(3)
  • 3
  • 2