来源：期刊VIP网 时间：
作者：杨文逸;陈明惠;吴玉全;秦楷博;杨政奇;
单位：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;
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。
关键词：光学相干层析成像技术;;年龄相关性黄斑变性;;图像分类;;自注意力机制
基金资助：上海市科委产学研医项目(15DZ1940400)
