基于注意力的青光眼检测：大规模数据库与 CNN 模型
计算机视觉与模式识别
2019-04-23 v3
摘要
近年来，注意力机制已成功应用于卷积神经网络（CNNs），显著提升了诸多计算机视觉任务的性能。遗憾的是，很少有医学图像识别方法将注意力机制融入 CNNs。特别地，眼底图像中用于青光眼检测存在高度冗余，因此注意力机制有潜力提升基于 CNN 的青光眼检测性能。本文提出一种用于青光眼检测的基于注意力的 CNN（AG-CNN）。具体而言，我们首先建立了一个大规模的基于注意力的青光眼（LAG）数据库，包含 5,824 张标注为青光眼阳性（2,392）或青光眼阴性（3,432）的眼底图像。LAG 数据库中还通过模拟眼动追踪实验收集了眼科医生的注意力图。随后，设计了一种新的 AG-CNN 结构，包括注意力预测子网络、病理区域定位子网络和青光眼分类子网络。与其他基于注意力的 CNN 方法不同，特征还被可视化为定位的病理区域，从而可提升青光眼检测性能。最后，实验结果表明所提出的 AG-CNN 方法显著推进了最先进的青光眼检测。
引用
@article{arxiv.1903.10831,
title = {Attention Based Glaucoma Detection: A Large-scale Database and CNN Model},
author = {Liu Li and Mai Xu and Xiaofei Wang and Lai Jiang and Hanruo Liu},
journal= {arXiv preprint arXiv:1903.10831},
year = {2019}
}
备注
10 pages, 10 figures