1、Coarse-to-fine classification for diabetic retinopathy grading using convolutional neural network
使用卷积神经网络对糖尿病视网膜病变分级进行从粗到细的分类。
Artificial Intelligence in Medicine
Volume 108, August 2020, 101936
亮点
首次提出了一个分层的从粗到细的糖尿病视网膜病变(DR)网络(CF-DRNet),该网络可以利用卷积神经网络实现分层的五级分级。
拟议的CF-DRNet由预先训练好的粗略网络和预先训练好的精细网络组成。粗粒度网络进行两级分类,细粒度网络进一步进行四级分类 DR严重程度等级。
在预训练的粗网络中引入了自门软注意机制模块(The self-gated soft-attention mechanism modules),用于两类分类,以有效地突出病变特征,抑制无关信息。
摘要:利用卷积神经网络(CNN)对DR的五个阶段的严重程度进行分类。CF-DRNet符合DR分级的分层特点,有效提高了DR五级分级的分类性能,主要包括以下内容。(1) 粗网络进行两级分类,包括无DR和DR,其中注意力门模块(attention gate module)突出突出病变特征,抑制无关的背景信息。(2) 提出的精细网络对粗略网络中的级DR严重程度进行四级分类,包括轻度、中度、重度非增殖性DR(NPDR)和增殖性DR(PDR)。实验结果显示,在公开的IDRiD和Kaggle眼底图像数据集中,所