基于混合注意力的早产儿视网膜病变分类方法

作     者：陈少滨 雷柏英 谢海 张国明 杜曰山一 赵欣予 CHEN Shaobin;LEI Baiying;XIE Hai;ZHANG Guoming;DU Yueshanyi;ZHAO Xinyu

作者机构：深圳大学医学部广东深圳518071 深圳市眼科医院暨南大学附属深圳眼科医院深圳市眼病防治研究所广东深圳518040 

基　　金：国家自然科学基金资助项目(61871274 62106153) 

出 版 物：《深圳大学学报（理工版）》 (Journal of Shenzhen University(Science and Engineering))

年 卷 期：2022年第39卷第6期

页      码：701-708页

摘      要：急性进展性后极部早产儿视网膜病变(aggressive posterior retinopathy of prematurity,AP-ROP)的患儿若不能及时得到诊断,易失去最佳治疗时间,导致患儿视网膜完全脱离,并最终失明.为更好地从ROP病例中诊断出AP-ROP,提出一种基于混合注意力网络(mixed attention network,MANet)的半监督学习方法.该方法分别通过低级数据增强器和高级数据增强器获得未标记训练数据的两种不同级别的增强数据.先利用低级数据增强器获得的增强数据生成未标记数据的伪标签,所得伪标签进一步被用作通过高级数据增强器获得的增强数据的训练标签.在设计的分类器模型中,将自注意力、空间注意力和通道注意力相结合,增强了分类器的特征提取能力.实验结果表明,本研究方法可以用很少的标记数据实现能够与全监督学习相媲美的性能,从而实现早产儿视网膜病变的自动检测,辅助医生进行ROP和AP-ROP的早期筛查.

主 题 词：人工智能 早产儿视网膜病变 半监督学习 自注意力 空间注意力 通道注意力 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1249.2022.06701

馆 藏 号：203114692...