Sea-Net：用于糖尿病视网膜病变分级的压缩激励注意力网络
计算机视觉与模式识别
2020-10-30 v1 人工智能
图像与视频处理
摘要
糖尿病是人群中最常见的疾病之一。糖尿病视网膜病变（DR）是糖尿病的并发症，可导致失明。基于视网膜图像的自动 DR 分级为治疗规划提供了重要的诊断与预后价值。然而，各严重程度级别间的细微差异使得传统方法难以捕获重要特征。为缓解该问题，本文提出一种用于鲁棒 DR 分级的新深度学习架构，称为 SEA-Net，其中空间注意力与通道注意力交替执行并相互增强，从而提升分类性能。此外，提出一种混合损失函数以进一步最大化类间距离并减小类内差异。实验结果已表明所提架构的有效性。
引用
@article{arxiv.2010.15344,
title = {Sea-Net: Squeeze-And-Excitation Attention Net For Diabetic Retinopathy Grading},
author = {Ziyuan Zhao and Kartik Chopra and Zeng Zeng and Xiaoli Li},
journal= {arXiv preprint arXiv:2010.15344},
year = {2020}
}
备注
Accepted to ICIP 2020