计算机应用研究

作者：宋鹏飞,吴云,

单位：贵州大学a.公共大数据国家重点实验室;b.计算机科学与技术学院,贵阳550025；

关键词：糖尿病性视网膜病变,DenseNet,SeNet,残差结构,

基金：贵州省科技计划资助项目(黔科合基础-ZK［2022］一般119)；贵州大学研究生创新人才计划项目；糖尿病视网膜图像分割分级模型研究的创新型人才培养实践；；

糖尿病性视网膜病变（diabetic retinopathy，DR）是糖尿病在发病过程中影响视网膜的症状。针对模型下采样过程中特征提取DR图像微动脉瘤等病灶区域信息丢失问题，提出了一种DenseNet融合残差结构的模块。该模块首先连接两个连续的dense block，然后利用残差结构对特征信息求和，并行融合处理特征图像信息，以防止有效特征信息的丢失，最后残差连接两个含有dropout的卷积块，抑制过拟合现象。针对以往卷积操作中未对病变区域的特征图通道加权的问题，提出了一种SeNet融合残差结构的模块。该模块首先连接SeNet，把全局平均池化和全局最大池化的特征信息相加，以提高有效通道信息的利用率，然后通过Conv1×1的残差方式来保证特征图信息的完整性。基于以上两个模块的设计，提出了一种DenseNet和SeNet融合残差结构的DR分类方法。该模型在APTOS2019数据集上的精确度达到89.8%，特异性达到97.0%，在Messidor-2数据集上的精确度达到78.8%，特异性达到91.9%，能够有效地提高视网膜图像病变程度的分类能力。

来源：2024年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第3期