面向病理性近视识别的高效金字塔通道注意力网络

病理性近视（PM）是全球范围内导致视力受损的主要眼部疾病。临床上，PM中病理分布的全局-局部特征是眼底图像上的重要表现，对辅助临床医生诊断PM具有重要作用。然而，现有大多数深度神经网络侧重于设计复杂架构，却很少探索PM的病理分布先验。为解决此问题，我们提出一种高效金字塔通道注意力（EPCA）模块，通过金字塔池化与多尺度上下文融合充分利用PM的临床病理先验潜力。进而，我们通过堆叠一系列EPCA模块构建了基于眼底图像的EPCA-Net用于自动PM识别。此外，受近期预训练-微调范式启发，我们尝试通过冻结预训练自然图像模型并将其余EPCA及其他注意力模块作为适配器，以适配PM识别任务。另外，我们通过收集公开数据集中PM的眼底图像构建了称为PM-fundus的PM识别基准。综合实验证明了我们的EPCA-Net在PM识别任务上优于最先进方法的优越性。结果还表明，基于预训练-微调范式的方法通过与传统微调范式下部分先前方法比较，以更少可调参数取得了具竞争力的性能，这有望利用更多自然图像基础模型在有限医疗数据场景下解决PM识别任务。