糖尿病视网膜病变的轻量级和多病变细分模型基于混合注意力和幽灵特征映射的融合
Weiwei Gao1, Bo Fan1, Yu Fang1
1Institute of Mechanical and Automotive Engineering, Shanghai University of Engineering Science, Shanghai 201620, China.
Computers in biology and medicine
|December 18, 2023
概括
一个新的轻量级算法,BiSeNet V2-Pro,有效地对糖尿病视网膜病变 fundus 图像中的多种病变进行细分. 这种方法提高了细分的准确性和速度,同时降低了计算成本,有助于诊断这种导致失明的主要原因.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 糖尿病视网膜病变是导致失明的主要原因,需要精确的病变细分来进行诊断.
- 现有的细分模型在病变变化,类型间相似性和计算复杂性方面扎.
- 当前的模型往往集中在单一的病变类型上,限制了全面的分析.
研究的目的:
- 开发一种轻量级的算法,同时对多个糖尿病视网膜病变的病变进行细分.
- 为了增强特征提取和降低 fundus 图像分析中的计算成本.
- 为了提高糖尿病视网膜病变病变细分的准确性和效率.
主要方法:
- 提出了一个新的算法,BiSeNet V2-Pro,基于BiSeNet V2,结合了混合注意力模块和幽灵特征映射单元.
- 实现了动态值损失功能,以专注于具有挑战性的小病变.
- 在IDRiD数据集上通过废除研究和与最先进的方法进行比较来验证模型.
主要成果:
- 与基线BiSeNet V2相比,BiSeNet V2-Pro表现出显著的改进,在灵敏度上增长了12.17%,在IOU上增长了11.44%,在子系数上增长了8.49%.
- 实现了微动脉瘤IOU的0.5716.
- 与其他先进模型相比,它展示了优越的细分速度和降低的参数数量,同时保持了高精度.
结论:
- BiSeNet V2-Pro为糖尿病视网膜病变 fundus 图像中的多病变细分提供了卓越的解决方案.
- 拟议的轻量级模型平衡了高细分精度和计算效率.
- 这一进步有望改善糖尿病视网膜病变管理的诊断工具.
