首页|期刊导航|物联网技术|基于多尺度特征与注意力聚合的OCT图像分类

基于多尺度特征与注意力聚合的OCT图像分类OA

中文摘要

针对视网膜光学相干断层扫描(OCT)图像分类任务中弱对比细节容易丢失、病变尺度差异较大以及易混类别判别困难等问题,提出了一种基于改进Swin Transformer的分类方法。通过在网络输入端引入CNN-Stem,对浅层纹理、层间边界等低层结构信息进行补充;在高分辨率特征阶段加入MultiScaleDWConv,强化对不同尺度病变特征的提取;同时在分类端加入CBAM-GeM模块,提高对关键病灶区域的识别能力,抑制背景噪声干扰,以提升模型对OCT图像特征的表达与聚合能力。实验结果表明,所提方法在OCT2017数据集上取得了99.79%的总体准确率,DrusenF1达到99.80%,优于多种对比模型。文中方法在保持模型规模相对可控的基础上,在保证整体稳定性的同时进一步增强了对复杂病灶的判别能力,提高了对病变的识别精度,对推进辅助视网膜疾病临床诊断具有实际价值。

金雨纯;刘平;甄元元;杨国虎

宁夏大学电子与电气工程学院,宁夏银川750021宁夏大学电子与电气工程学院,宁夏银川750021宁夏大学电子与电气工程学院,宁夏银川750021宁夏大学电子与电气工程学院,宁夏银川750021

信息技术与安全科学

光学相干断层扫描视网膜OCT图像分类Swin Transformer多尺度特征增强注意力机制深度学习

《物联网技术》 2026 (15)

P.102-108,7

宁夏自然科学基金项目:宁夏黄河灌溉水中化学污染物的生态风险、源解析及空间预测研究(2023AAC03140)。

10.16667/j.issn.2095-1302.2026.15.020

评论