-
题名融合注意力机制模型的视网膜病变检测应用研究
- 1
-
-
作者
徐常转
-
机构
贵州省人民医院信息处
-
出处
《现代计算机》
2024年第16期51-56,共6页
-
基金
贵州省人民医院青年基金(GZSYQN202221)。
-
文摘
基于糖尿病性视网膜病变高发病率、诊断过程耗时、经验丰富医生短缺的问题,开发一套辅助视网膜病变诊断系统显得尤为重要。前端交互采用Vue和Antd技术,后端架构使用FastAPI和Nginx,将深度学习算法部署在Web端上,开发了一套糖尿病性视网膜病变检测系统。该系统帮助患者及时了解病情进展,医生能够根据系统提供的分割和预测结果为患者制定合适的治疗方案,大幅缩短了诊断时间,有助于糖尿病患者疾病的早期发现和治疗。
-
关键词
糖尿病性视网膜病变
辅助诊疗系统
深度学习
系统设计
-
Keywords
diabetic retinopathy
assisted diagnosis and treatment system
deep learning
system design
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—计算机科学与技术]
R774.1
[医药卫生—眼科]
-
-
题名融合注意力机制与多任务学习的DR分级模型
被引量：4
- 2
-
-
作者
徐常转
吴云
蓝林
黄自萌
-
机构
贵州大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第24期212-218,共7页
-
基金
国家自然科学基金([2018]61741124)
贵州省科技计划项目([2018]5781)。
-
文摘
在糖尿病患者中,糖尿病视网膜病变(Diabetic Retinopathy,DR)是导致失明的主要原因。针对眼底图像中存在极难发现的微动脉瘤等微小病理特征的问题,提出了一种注意力机制模块。该模块通过融合特征图原本的特征信息与注意力单元得到的通道信息,为微小特征增加了网络的权重,再使用除操作去除特征图中的冗余信息,得到注意力机制特征作为双任务的输入;针对均方误差(Mean Square Error,MSE)损失难优化和交叉熵(Cross Entropy,CE)损失未考虑错分DR等级的代价,设计了多任务学习模块,加权融合了回归任务的MSE损失和分类任务的CE损失。基于这两个模块的设计,提出了融合注意力机制的多任务学习网络(Fusion of Attention mechanism and MultiTasking learning network,FAMT)。在kaggle数据集上的实验表明,FAMT网络在验证集上的Kappa比仅使用回归任务的网络高出了2%,比仅使用分类任务的网络提高了4%;FAMT网络在测试集上的Kappa比EfficientNet网络高出1%,比M2CNN网络高出了5%。
-
关键词
糖尿病视网膜分级
深度学习
注意力机制
多任务学习
卷积神经网络
-
Keywords
diabetic retina grading
deep learning
attention mechanism
multi-task learning
convolutional neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
