基于注意力的显著性哈希用于眼科图像检索

深度哈希方法已被证明对大规模医学图像检索有效，可辅助临床医生进行基于参考的诊断。然而，当显著性区域在眼科图像中起最大判别作用时，现有深度哈希方法并未充分利用深度网络的学习能力来有针对性地捕获显著性区域的特征。不同等级或类别的眼科图像可能具有相似的整体表现，但存在可通过挖掘显著性区域区分的细微差异。为解决此问题，我们提出一种新颖的端到端网络，称为基于注意力的显著性哈希 (ASH)，用于学习紧凑哈希码以表示眼科图像。ASH 嵌入空间注意力模块，以更聚焦于显著性区域的表示，并突出其在区分眼科图像中的关键作用。得益于空间注意力模块，显著性区域的信息可被映射至哈希码中以进行相似度计算。在训练阶段，我们输入图像对以共享网络权重，并设计成对损失以最大化哈希码的判别性。在检索阶段，ASH 以端到端方式输入单张图像获得哈希码，随后使用该哈希码进行相似度计算以返回最相似图像。在两个不同模态的眼科图像数据集上的大量实验表明，由于空间注意力模块的巨大贡献，所提 ASH 相比最先进的深度哈希方法能进一步提升检索性能。