文献类型：期刊文章

作　　者：肖宇庭[1] 吕晓琪[1,2] 谷宇[1]

XIAO Yuting;LÜXiaoqi;GU Yu(Key Laboratory of Pattern Recognition and Intelligent Image Processing,School of Information Engineering,Inner Mongolia University of Science and Technology,Baotou Inner Mongolia 014010,China;School of Information Engineering,Inner Mongolia University of Technology,Hohhot Inner Mongolia 010051,China)

机构地区：[1]内蒙古科技大学信息工程学院模式识别与智能图像处理重点实验室,内蒙古包头014010 [2]内蒙古工业大学信息工程学院,内蒙古呼和浩特010051

出　　处：《电子器件》

基　　金：国家自然科学基金项目(62001255,61841204,61771266);中央引导地方科技发展资金项目(2021ZY0004);内蒙古自治区高等学校青年科技英才计划项目(NJYT23057);内蒙古科技大学基本科研业务费专项资金优秀青年基金项目(042)。

年　　份：2025

卷　　号：48

期　　号：3

起止页码：685-692

语　　种：中文

收录情况：普通刊

摘　　要：为提高糖尿病视网膜病变五分类准确率,提出基于多尺度的残差网络模型。通过多尺度残差块扩大模型感受野,提升模型感知不同尺度信息的能力;引入SimAM无参注意力,综合不同维度信息突出目标特征信息的重要性;输出结构设计分类决策网络,利用多分支结构缓解样本分布不均问题,进一步提升模型分类准确率。实验结果表明模型准确率为95.36%,召回率、精确度、特异性及F1-score的平均值分别为95.6%、93.9%、98.4%、94.7%。模型性能良好,对糖尿病视网膜病变辅助诊断具有一定参考意义。

关 键 词：医学图像处理 多尺度残差块  无参注意力  糖尿病视网膜病变

分 类 号：TP391.41] TP183[计算机类]