在卷积神经网络中引入特征注意力模块用于糖尿病视网膜病变检测
计算机视觉与模式识别
2023-08-08 v1
摘要
糖尿病视网膜病变(DR)是糖尿病患者致盲的主要原因。深度学习模型在自动化检测DR方面已展现出良好的前景。在本工作中,我们提出一种新方法,将特征注意力模块与预训练的VGG19卷积神经网络(CNN)相集成,以实现更精准的DR检测。此处,预训练网络使用所提出的特征注意力块进行微调。该模块旨在利用眼底图像各区域的互补信息,增强CNN的判别能力。上述特征注意力模块引入了注意力机制,可选择性地突出图像中的显著特征,并将其与原始输入相融合。在特征注意力块内对特征注意力权重进行同步学习,并由此将注意力调制后的特征进行组合,有助于网络聚焦于相关信息,同时降低噪声或无关特征的影响。所提方法的性能已在广泛使用的糖尿病视网膜病变分类数据集(如APTOS(亚太远程眼科学会)DR数据集)上进行了评估。结果对比了有无注意力模块的情况,并与其他最先进的方法进行比较。结果证实,融合模块(将特征注意力模块与CNN融合)的引入提高了DR检测准确率,达到了95.70%的准确率。
引用
@article{arxiv.2308.02985,
title = {Introducing Feature Attention Module on Convolutional Neural Network for Diabetic Retinopathy Detection},
author = {Susmita Ghosh and Abhiroop Chatterjee},
journal= {arXiv preprint arXiv:2308.02985},
year = {2023}
}
备注
6 pages, 8 figures