基于改进VOLO网络的糖尿病视网膜病变分类研究
赵爽
邱潇钰
孔祥琳
张雅琪
山东中医药大学,济南 250355
摘要：为提高糖尿病视网膜病变(diabetic retinopathy,DR)的诊断效率,本研究提出了一种基于VOLO网络的DR分类模型.首先在Outlook attention中添加深度卷积模块,以提高注意力的表达能力;然后在注意力机制后端嵌入归一化的注意力模块突出显著特征,完成DR严重程度的分类.实验结果表明,模型的分类准确率达到 89.10％,本研究设计的网络模型具有较好的可行性,可在临床上更好地辅助医生精准治疗.
关键词：眼底图像图像分类Vision TransformerOutlooker深度卷积归一化注意力模块
分类号：R318(医用一般科学)TP18(自动化基础理论)R445(诊断学)
资助基金：山东省中医药科技项目(M-2022114)山东中医药大学创新创业教育教学研究课题(CXCY202109)山东中医药大学高等教育研究课题(GJYJZ202212)
论文发表日期：2024-08-28
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 316-323 )
英文信息