基于改进MobileNetV2神经网络的视网膜OCT图像多分类

作     者：姚娟 乔焕 方玲玲 YAO Juan;QIAO Huan;FANG Ling-Ling

作者机构：辽宁师范大学计算机与人工智能学院大连116081 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2024年第33卷第5期

页      面：37-46页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 100212[医学-眼科学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：辽宁省自然科学基金(2021-MS-272) 辽宁省教育厅项目(LJKQZ2021088) 

主　　题：视网膜 光学相干断层扫描 注意力机制 特征融合 图像分类 

摘      要：光学相干断层成像(optical coherence tomography,OCT)是一种具有无接触、高分辨率等特点的新型眼科医学诊断方法,现在已经作为医生临床诊断眼科疾病的重要参考物,但人工分类疾病费时费力,视网膜病变的早期发现和临床诊断至关重要.为了解决该类问题,本文提出了一种基于改进MobileNetV2神经网络对视网膜OCT图像多分类识别方法.此方法利用特征融合技术处理图像并设计增加注意力机制改进网络模型,二者在极大程度上提高OCT图像的分类准确率.与原有算法相比,分类效果具有明显提升,本文模型的分类准确率、召回值、精确度、F1值分别达到98.3%、98.44%、98.94%、98.69%,已经超越人工分类的准确率.此类方法不仅在实际诊断中加快诊断流程、降低医生负担、提高诊断质量,同时也为眼科医疗研究提供新的方向.