E2E-DRNet:基于EfficientNetV2模型的糖尿病视网膜病变识别

作     者：刘圆圆 陈麓 鲁峰 叶阳 安禹潼 金明慧 邢开原 曾光 LIU Yuan-Yuan;CHEN Lu;LU Feng;YE Yang;AN Yu-Tong;JIN Ming-Hui;XING Kai-Yuan;ZENG Guang

作者机构：哈尔滨医科大学(大庆)医学信息学系大庆163319 大庆市油田总医院眼科大庆163319 

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

年 卷 期：2024年第33卷第12期

页      面：248-255页

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 100212[医学-眼科学] 0802[工学-机械工程] 10[医学] 

基　　金：黑龙江省省属高等学校基本科研业务费基础研究项目(JFQN202303) 

主　　题：糖尿病视网膜病变 EfficientNetV2 有效通道注意力 可解释性 

摘      要：本文提出一种名为E2E-DRNet的模型,旨在解决当前人工糖尿病视网膜病变(diabetic retinopathy,DR)诊断中分类性能差、耗时费力以及视网膜图像等级差异小、病灶不明显等问题.该模型基于EfficientNetV2,并结合了有效通道注意力模块.通过对DR数据集进行处理和优化,引入了Focal Loss损失函数以解决样本不均衡问题,并将模型分为两个阶段以实现DR分类的细分.实验结果表明,该方法在公开数据集和临床数据集上表现良好,提高了对眼底病变区域的可解释性,有助于提高DR病变的筛查效率,克服了人工诊断的局限性.