DFC-Net:用于视网膜图像质量评估的双路频域交叉注意力融合网络
Xiaoyan Kui1, Zeru Hai2, Beiji Zou1,2
1School of Computer Science and Engineering, Central South University, Changsha 410083, Hunan, China.
Biomedical optics express
|November 18, 2024
概括
一个新的双路频域交叉注意网络 (DFC-Net) 通过整合RGB和增强图像来改善视网膜图像质量评估 (RIQA). 这种方法提高了眼部疾病的诊断准确度.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 视网膜图像质量评估 (RIQA) 对于准确的眼病诊断至关重要.
- 传统的深层卷积神经网络 (CNN) 难以应对图像亮度变化和微妙的质量差异.
研究的目的:
- 开发一种先进的RIQA方法,解决现有CNN的局限性.
- 提高使用视网膜底图像的自动诊断分析的准确性和稳定性.
主要方法:
- 引入了双路频域交叉注意网络 (DFC-Net),集成RGB和CLAHE增强的视网膜图像.
- 包含一个频域注意力机制 (FDAM),用于有针对性的质量降低检测.
- 使用交叉注意力机制 (CAM) 来优化双输入融合.
主要成果:
- 在EyeQ和RIQA-RFMiD数据集上,DFC-Net实现了高性能.
- 在EyeQ上获得了0.8895的精度,0.8923的回忆,0.8909的F1得分和0.9191的卡帕.
- 在两种数据集上都超越了最先进的方法,证明了优越的RIQA能力.
结论:
- DFC-Net在视网膜图像质量评估方面取得了重大进展.
- 双输入策略和注意力机制提高了特征提取和诊断精度.
- 这种方法有望对视网膜底图像进行更可靠的自动化分析.


