基于高效通道注意力的白内障视力分级算法

作     者：蒋杰伟 张依 巩稼民 谢荷 李中文 

作者机构：西安邮电大学电子工程学院 温州医科大学附属眼视光医院 温州医科大学宁波市眼科医院 

出 版 物：《光电子·激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2024年第11期

页      面：1225-1232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] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62276210,61775180,82201148) 陕西省自然科学基础研究计划(2022JM-380) 西安邮电大学研究生创新基金(CXJJYL2022032)资助项目 

主　　题：高效通道注意力(ECA) 深度残差网络 深度学习 白内障视力分级 图像增强 

摘      要：白内障是一种严重影响人类视觉功能的眼科疾病。为准确评估白内障患者的视力等级，提出了一种基于高效通道注意力的白内障视力分级算法(efficient channel attention deep residual netowrk, ECRN)。该算法首先使用限制对比度自适应直方图均衡化算法(contrast limited adaptive histogram equalization, CLAHE)对眼底图像进行预处理，增强图像中的血管、视盘和黄斑的关键特征。然后，将高效通道注意力机制(efficient channel attention, ECA)和深度残差网络相融合，关注与视力等级相关的眼底组织和病变区域。为解决眼底图像数据集不平衡的问题，引入焦点损失(focal loss, FL)函数为优化目标，使模型偏向于视力等级严重的患者。该算法在临床数据上进行了实验，正常、中等视力白内障和低视力白内障3个类别的准确率分别为98.3%、90.5%和92.1%,实验结果表明，该算法在白内障视力分级上表现出良好的性能。