基于线性化注意力和双重注意力的视杯盘分割模型

青光眼是致盲性眼病之一，视杯盘比是筛查青光眼的主要依据，因此准确分割视杯盘具有重要意义。本文提出一种基于线性化注意力和双重注意力的视杯盘分割模型。首先，根据视盘特性定位裁剪感兴趣区域。其次，引入线性化注意力的残差网络-34(ResNet-34)作为特征提取网络。最后，通过线性化注意力的输出特征生成通道和空间双重注意力权重，用于校准解码器输出特征获取视杯盘分割图像。实验结果表明，所提模型在视神经头分割的视网膜图像（DRISHTI-GS）数据集中，视盘、视杯交并比分别为0.962 3、0.856 4；用于视神经评估的开放式视网膜图像-V3(RIM-ONE-V3)数据集中，视盘、视杯交并比分别为0.956 3、0.784 4。所提模型优于对比算法，在青光眼的早期筛查中具有一定的医学价值。此外，本文利用知识蒸馏技术生成两种规模更小的模型，有利于将模型应用于嵌入式设备。