Sep, 2023

高效金字塔通道注意力网络用于病理性近视检测

PDF
TL;DR我们提出了一个使用注意力模块的有效金字塔通道注意力（EPCA）网络，用于基于眼底图像自动检测病理性近视（PM）。在三个数据集上的实验表明，我们的 EPCA-Net 在检测 PM 方面优于现有方法。此外，我们尝试了将预训练的自然图像模型适应为 PM 检测的方法，并通过与传统的微调方法相比较，在具有较少可调参数的情况下取得了有竞争力的性能。
pathological myopiaocular diseaseattention moduleepca-netpretraining-and-finetuning paradigm
发现论文，激发创造
  • 单目深度预测的金字塔特征注意力网络

    通过引入金字塔特征注意网络（PFANet），以提升高级上下文特征和低级空间特征，进一步改善深度估计中的空间布局、边界模糊和物体表面不连续等问题，并通过采用不同尺度的双尺度通道注意模块（DCAM），并以空间金字塔注意模块（SPAM）作为低级特征图中多尺度详细信息的引导来利用视觉特征的空间关系。最后，引入了尺度不变梯度损失，以增加对深度不连续区域中错误的惩罚。实验结果表明，我们的方法在 KITTI 数据集上优于最先进的方法。

    Mar, 2024

  • PALM：开放式黄斑图像数据集，包含病理性近视识别和解剖结构标注

    该研究提供了有关用于识别 pathologic myopia 的开放式眼底图像数据集 PALM 的信息，包括与其相关的结构注释，为该病的早期筛查以及基于人工智能的自动化诊断工具的开发提供了可能。

    May, 2023

  • 基于双重注意力增强的 DenseNet-121 模型用于青光眼的眼底图像分类

    利用关注增强的 DenseNet-121 模型对眼底图像进行正常和青光眼眼睛的分类，实验结果显示了该方法相对于先进的模型的优越性。

    Jun, 2024

  • 金字塔注意力网络用于语义分割

    使用金字塔注意力网络 (PAN) 进行语义分割，通过特征金字塔注意力模块和全局注意力上采样模块提取精确的密集特征，优于现有方法，可达到 PASCAL VOC 2012 和 Cityscapes 数据集的最高精度 mIoU 84.0%。

    May, 2018

  • 基于通道先验卷积注意力的医学图像分割

    本文提出了一种高效的 Channel Prior Convolutional Attention (CPCA) 方法以及基于 CPCA 的医学图像分割网络 CPCANet，通过在通道和空间维度上支持动态分配注意力权重并保持通道优先以及采用多尺度深度可分离卷积模块，能够有效地提取空间关系，专注于有信息量的通道和重要区域。在两个公开数据集上验证 CPCANet，相对于其他最先进的算法实现了更好的分割性能并需要更少的计算资源。代码公开在 https://github.com/Cuthbert-Huang/CPCANet。

    Jun, 2023

  • 基于注意力的青光眼检测：一个大规模数据库和 CNN 模型

    本研究提出了一种基于注意力机制的卷积神经网络 (AG-CNN) 用于青光眼检测，其包括一个注意预测子网，一个病理区域定位子网和一个青光眼分类子网，并且通过与现有的青光眼检测方法的比较显示出了明显的优越性。

    Mar, 2019

  • 卷积神经网络中引入特征注意力模块用于糖尿病视网膜病变检测

    我们提出了一种新的方法，将特征注意模块与预训练的 VGG19 卷积神经网络（CNN）集成在一起，用于更准确地检测糖尿病视网膜病变（DR）。实验结果表明，融合模块（将特征注意模块与 CNN 融合）的引入改善了 DR 检测的准确性，实现了 95.70% 的准确率。

    Aug, 2023

  • 金字塔特征注意力网络用于显著性检测

    通过提出金字塔特征注意力网络来解决视觉注意力检测中如何提取有效特征的问题，该网络能够关注高层次的上下文特征和低层次的空间结构特征，并在这些特征图上应用通道注意和空间注意，然后将它们进行融合，最后通过边缘保护损失来引导网络学习边界定位中更详细的信息。在五个基准数据集上进行的广泛评估表明，该方法在不同的评估指标下优于现有的基准方法。

    Mar, 2019

  • LMBF-Net: 一种用于多特征分割的轻量级多路径双向焦点注意力网络

    本研究提出了一种用于多特征分割的多路径卷积神经网络，该网络轻量且对信息敏感。通过基于图像块的实现提取局部图像特征，并在编码器和解码器之间引入焦点调制注意力块以改善分割效果。使用滤波器优化来防止滤波器重叠并加速模型收敛。通过卷积操作和组卷积操作的组合来降低计算成本。此网络能够对多个特征的眼底图像进行分割，并在多个公开数据集上的实验评估中表现出色，尽管其可学习参数较少。

    Jul, 2024

  • 基于深度金字塔推理和多尺度增强的注意力型 CT 病变检测

    本篇论文提出了一种基于多尺度增强，结合空间和通道注意力的特征金字塔网络，用于检测计算机断层扫描中的病变，并在 DeepLesion 基准数据集上展开实验证明其优于先前的方法。

    Jul, 2019