AMD subtype classification technique using Self-attention mechanism

doi:10.13741/j.cnki.11-1879/o4.2024.01.007

您当前的位置：

首页 >

文章列表页 >

AMD subtype classification technique using Self-attention mechanism

更新时间：2025-09-01

- AMD subtype classification technique using Self-attention mechanism
- Vol. 50, Issue 1, Pages: 112-119(2024)
- 作者机构：
  
  1:上海理工大学健康科学与工程学院上海介入医疗器械工程技术研究中心
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2024.01.007
  CLC： R774.5;TP391.41
- Published：2024
- 稿件说明：
移动端阅览
AMD subtype classification technique using Self-attention mechanism[J]. 2024, 50(1): 112-119.
DOI：

AMD subtype classification technique using Self-attention mechanism[J]. 2024, 50(1): 112-119. DOI： 10.13741/j.cnki.11-1879/o4.2024.01.007.

摘要

目前基于卷积神经网络(CNN)的视网膜光学相干层析成像(OCT)图像分类方法存在对于小范围病变区域识别不清的问题，导致在判断年龄相关性黄斑变性(AMD)疾病干湿性、脉络膜新生血管形成(CNV)的活动性时准确率不高，而正确判断病变类型对于眼科医生制定治疗方案至关重要。为此本文提出了一种基于自注意力机制的CNN模型MobileX-ViT

将传统卷积层和自注意力模块结合，同时提取浅层网络的特征信息并获取图像的全局信息，以提高模型分类准确率。实验证明，相比于经典CNN分类模型Inception-V3、ResNet-50、VGG-16和MobileNeXt

文章提出模型在分类准确率上分别提高了5.6%、5.3%、4.5%和2.8%

证明了模型的有效性，为解决目前视网膜OCT图像分类中对于小范围病变区域识别不清的问题提供了新的方法。

Abstract

关键词

Keywords

references

Views

107

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Concealed object detection from millimeter wave images based on DSA-BCNN

Rapid hyperspectral band selection approach based on clustering and optimal index algorithm

Recognition and application of fingerprint information

Surface defect detection based on masked image Multi-scale reconstruction

Related Author

胡川飞

王永雄

李冬

高天天

郭彤

华文深

刘恂

刘晓光

Related Institution

1:上海理工大学光电信息与计算机工程学院

2:上海第二工业大学文理学部

3:擎翌(上海)智能科技有限公司

1:军械工程学院电子与光学工程系

1:天津大学精密仪器与光电子工程学院

⁰