眼底病变OCT图像的轻量化识别算法

作     者：侯小虎 贾晓芬 赵佰亭 HOU Xiao-hu;JIA Xiao-fen;ZHAO Bai-ting

作者机构：安徽理工大学第一附属医院(淮南市第一人民医院)安徽淮南232001 安徽理工大学电气与信息工程学院安徽淮南232001 安徽理工大学人工智能学院安徽淮南232001 

基　　金：安徽理工大学医学专项培育项目(YZ2023H2B006) 安徽理工大学引进人才科研启动基金资助项目(2022yjrc44) 安徽理工大学研究生创新基金资助项目(2022CX2086) 国家自然科学基金资助项目(52174141) 安徽省自然科学基金资助项目(2108085ME158) 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2023年第57卷第12期

页      码：2448-2455,2466页

摘      要：为了准确、方便地识别多类型眼底病变,提出光学相干断层扫描技术(OCT)图像的轻量化分类模型MB-CNN.降低卷积核的使用个数,调节每个阶段卷积块的使用比例,设计轻量化主干网络L-Resnet,通过加深网络深度增强对深层语义信息的提取.使用深度可分离卷积设计多尺度卷积块MultiBlock,利用MultiBloc深度挖掘病灶区域的特征,使用不同的卷积核提取不同尺寸病变的特征,提高网络对病变OCT图像的识别能力.构建特征融合模块FFM,融合浅层信息和深层信息,充分提取病变特征的纹理和语义信息,提高对小目标病变的识别能力.实验结果显示,MB-CNN在UCSD、 Duke和NEH3个数据集上的总体分类精度分别达到97.2%、 99.92%和94.37%,模型参数量明显降低,所提模型能够针对眼底的多种病变进行分类.

主 题 词：眼底病变 光学相干断层扫描技术(OCT)图像 智能识别 轻量化分类模型 语义信息 特征融合 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2023.12.012

馆 藏 号：203125175...