典型文献
特征自适应过滤的视网膜病变分级算法
文献摘要：
针对视网膜病变图像特征识别困难以及病变分级效率不高等问题，提出一种特征自适应过滤的视网膜病变分级算法。首先，算法利用 ResNet-50 网络构建的多尺度过滤分支(MFB)对视网膜病变图像进行逐级特征提取；其次，在不同尺度的过滤分支后级联自适应特征过滤块(AFFB)对视网膜病变图像进行特征增强与过滤；然后，使用特征互补融合模块(FCFM)对特征过滤后的多个局部增强特征进行信息互补，并通过聚合局部增强特征的互补信息丰富视网膜病变图像的局部细节；最后，采用细粒度分类损失与焦点损失对具有不同局部特征信息的分级模型进行训练，并在 IDRiD 数据集上进行实验。实验结果表明，所提分级算法的准确率为80.58%、加权Kappa系数为88.70%、特异性为94.20%、敏感性为94.10%，该算法能有效识别视网膜病变图像的细微病变区域并提高分级效率。
文献关键词：
视网膜病变;病变分级;自适应;特征过滤;多尺度特征
中图分类号：
作者姓名：
梁礼明;雷坤;詹涛;周珑颂
作者机构：
江西理工大学电气工程与自动化学院,江西 赣州 341000
文献出处：
引用格式：
[1]梁礼明;雷坤;詹涛;周珑颂-.特征自适应过滤的视网膜病变分级算法)[J].图学学报,2022(05):815-824
A类：
AFFB,FCFM,IDRiD
B类：
特征自适应,视网膜病变,病变分级,对视,图像特征,特征识别,分级效率,效率不高,法利,ResNet,网络构建,MFB,逐级,不同尺度,特征过滤,特征增强,使用特征,特征互补,互补融合,局部增强,信息互补,细粒度分类,焦点损失,局部特征,特征信息,分级模型,提分,Kappa,细微病变,高分级,多尺度特征
AB值：
0.298781
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
