西安邮电大学 通信与信息工程学院,陕西西安710121
由于卷积操作的局限性,现有的皮肤病变图像分割网络无法对图像中的全局上下文信息建模,导致其无法有效捕获图像的目标结构信息,本文设计了一个融入交叉自注意力编码的U型混合网络,用于皮肤病变图像分割。首先,将设计的多头门控位置交叉自注意力编码器引入到U型网络的最后两个层级中,使其能够在图像中学习语义信息的长期依赖关系,弥补卷积操作全局建模能力的不足;其次,在跳跃连接部分引入一个新的位置通道注意力机制,用于编码融合特征的通道信息并保留位置信息,提高网络捕获目标结构的能力;最后,设计一个正则化Dice损失函数,使网络能够在假阳性和假阴性之间权衡,提高网络的分割结果。基于ISBI2017和ISIC2018数据集的对比实验结果表明,本文网络的Dice分别为91.48%和91.30%,IoU分别为84.42%和84.12%,分割精度在整体上优于其他网络,且具有较低的参数量和计算复杂度,即本文网络能够高效地分割皮肤病变图像的目标区域,可为皮肤疾病辅助诊断提供帮助。
医学图像分割 皮肤病变 交叉自注意力编码 位置通道注意力 medical image segmentation skin lesion cross-self-attention coding position channel attention
1 山东中医药大学实验室管理处,山东 济南 250355
2 山东中医药大学智能与信息工程学院,山东 济南 250355
糖尿病视网膜病变是糖尿病最常见也是最严重的并发症之一。为提高对糖尿病视网膜病变严重程度的诊断准确率,进一步为糖尿病视网膜病变治疗的精准用药提供依据,提出一种新型的特征融合网络模型。首先利用轻量化网络EfficientNet-B0提取眼底图像的不同层特征,使用高层特征结合三个不同空洞率的空洞卷积形成多尺度特征。然后引入多尺度通道注意力模块(MS-CAM),赋予高层特征和低层特征新的权重,对高低层特征进行融合,形成最终的特征表征,从而完成对糖尿病视网膜病变严重程度的分类。实验结果表明,所提模型的分类准确率达85.25%,表明其具有较好的可行性,在临床上给医生诊断起到了辅助作用,能更有效地预防糖尿病视网膜病变的进一步恶化。
自动分类 糖尿病视网膜病变 特征融合网络 空洞卷积 注意力机制 激光与光电子学进展
2023, 60(14): 1417001
1 上海健康医学院医疗器械学院,上海 201318
2 南京理工大学电子工程与光电技术学院,江苏 南京 210014
眼底疾病是致盲的主要原因之一。借助光学相干层析成像技术(OCT),可实现早期眼底疾病的发现和及时治疗,是预防失明的有效手段。为缓解医生的阅片压力,计算机辅助诊断技术逐渐受到关注。然而,受限于眼底OCT数据的隐私性,计算机辅助技术的研究者无法获取数据来开展工作。针对该现状,检索梳理了8个免费的公开的眼底OCT数据库,对涉及的典型眼底疾病的OCT图像特征进行解释,并筛选出64篇基于这些数据做计算机辅助算法的文献,分类阐述了这些工作的贡献。为真正实现计算机辅助技术在眼底疾病早期诊断的临床应用,未来还可以从提高眼底OCT图像的高精度分类的稳定性可重复性和泛化能力、提高对眼底OCT图像的分割能力、提高计算机辅助算法的可解释性三方面进行努力。
光学相干层析术 眼底病变 公共数据 算法分类 激光与光电子学进展
2023, 60(10): 1000002
江西理工大学电气工程与自动化学院,江西 赣州 341000
糖尿病视网膜病变(Diabetic Retinopathy,DR)是糖尿病的一个常见的急性阶段,可引起视网膜的视功能异常。针对视网膜眼底图像病灶区域识别困难以及分级效率不高等问题,本文提出一种基于注意力机制多特征融合的算法来对DR进行诊断分级。首先对输入的图像采用高斯滤波等形态学预处理来提升眼底图像特征对比度;然后用ResNeSt50残差网络作为模型的骨干,引入多尺度特征增强模块对视网膜病变图像病变区域进行特征增强,提高分级准确率;再后利用图形特征融合模块对主干输出的特征增强后的局部特征进行信息融合;最后采用中心损失和焦点损失组合的加权损失函数进一步提升分类效果。在印度糖尿病视网膜病变(IDRID)数据集中灵敏度和特异性分别为95.65%和91.17%,二次加权一致性检验系数为90.38%。在Kaggle比赛数据集中准确率为84.41%,受试者工作特征曲线下的面积为90.36%。仿真实验表明,本文算法在糖尿病视网膜病变分级中具有一定的应用价值。
视网膜病变分级 多尺度特征 注意力机制 图形特征融合 retinopathy grade multiscale features attention mechanism graphic feature fusion
1 天津大学精密测试技术及仪器国家重点实验室,天津 300072
2 天津大学微纳制造实验室,天津 300072
糖尿病不仅会增加视网膜血管疾病的风险,严重时甚至会发展成为糖尿病视网膜病变。糖尿病视网膜病变的4种典型病理特征是微动脉瘤、出血、硬性渗出物和软性渗出物。随着机器学习尤其是深度学习的发展,智能辅助诊断医疗已经成为一种趋势,智能辅助诊断的前提是可以定性定量地提取出相应的病变区域。提出了一种基于深度学习级联架构参数优化的眼底病变检测模型,该模型有效解决了眼底病变的多尺度和小目标问题,在DDR数据集上检测病变的综合测试精度达0.380,检测性能优于目前主流的检测网络。
医用光学 图像处理 深度学习 糖尿病视网膜病变 小目标检测 激光与光电子学进展
2023, 60(2): 0217001
光学 精密工程
2022, 30(17): 2147
1 江西理工大学 电气工程与自动化学院,江西赣州34000
2 华南理工大学 计算机科学与工程学院,广东广州510006
针对皮肤病变图像分割时存在异物遮挡、特征信息缺失和病变区域误分割等问题,提出一种基于高分辨率复合网络的皮肤病变分割方法。该方法一是利用预处理操作细化和扩充皮肤病变图像,降低异物遮挡对网络分割性能的影响。二是利用高分辨率网络和多尺度稠密模块构建编码部分,高分辨率网络能够保证高清特征图全局传递,多尺度稠密模块能够最大化传递病变特征,减少图像特征信息缺失,精确定位皮肤病变区域。三是利用反向高分辨率网络和双残差模块构建解码部分,双残差模块在重建解码特征时能够捕获深层语义信息与空间信息,提高皮肤病变图像分割精度。在ISBI2016、ISBI2017和ISIC2018数据集上进行实验,其准确度分别为96.14%、93.72%和95.73%,Dice相似系数分别为93.16%、88.56%和92.00%,Jaccard指数分别为87.01%、77.19%和85.19%,其分割方法整体性能优于现有方法。仿真实验证明,高分辨率复合网络对皮肤病变图像具有较好的分割效果,为皮肤疾病的诊断提供了新窗口。
皮肤病变 图像分割 高分辨率网络 多尺度稠密模块 双残差模块 skin lesions image segmentation high-resolution network multi-scale dense module double residual module 光学 精密工程
2022, 30(16): 2021
1 山东大学信息科学与工程学院,山东 青岛 266237
2 山东大学齐鲁医院口腔颌面外科,山东 济南 250012
龋病、牙周病等口腔疾病是影响人民健康的常见病和多发病,不仅影响口腔器官功能的发挥,还常常影响全身健康,导致生活质量下降。X光片是牙科疾病诊断过程中的重要依据之一,X光片的智能化诊断对于快速准确诊断牙齿病变具有重要作用。为了实现对龋齿病变和牙根尖周病变的自动检测,本团队创建了牙齿X光片数据集,并采用YOLOV5算法对牙齿X光片中的病变区域进行了检测。检测结果表明,该算法可以有效识别牙齿中的龋齿病变和牙根尖周病变,并能检测出这两种病变的区域,检测准确率超过95%,可以满足牙齿病变智能化诊断的临床需求。
图像处理 深度学习 牙齿病变 目标检测 中国激光
2022, 49(20): 2007207