基于注意力机制与深度学习模型的糖尿病眼底图像分类研究

目的：基于注意力机制与经典深度学习模型提出糖尿病眼底图像分类算法，提高糖尿病眼底图像识别的准确率。方法：使用包含5种类别共4 581张图像的开源数据集，进行特征提取、图像增强、批处理、洗牌等操作构建数据张量，将注意力机制与ResNet模型相结合构建ResNet-At模型，比较该模型与经典深度学习模型CNN、ResNet、AlexNet在识别糖尿病眼底图像方面的效果。结果：基于注意力机制的ResNet-At模型的准确率、精确率、召回率、F1值分别为89.5%、74.3%、62.4%、0.678，均高于其他经典深度学习模型。结论：基于注意力机制与经典深度学习模型的糖尿病眼底图像分类算法可以提高糖尿病眼底图像分类的识别效果。