基于混合注意力深度学习的眼底图像多标签眼科疾病检测研究

为解决传统深度学习模型在眼科多标签分类中 accuracy、interpretability 和 efficiency 不足的问题，研究人员开展基于混合注意力深度学习的眼底图像多标签眼科疾病检测研究。提出 HAM-DNet 模型，在多数据集测试中表现优异，为自动化检测提供新方案。

　　

眼科疾病对视力和生活质量影响显著，基于眼底图像的早期诊断对及时治疗至关重要。本研究提出 HAM-DNet（一种融合 EfficientNetV2 和 Vision Transformers (ViT) 的混合深度学习模型）用于多标签眼科疾病检测。模型包含基于注意力的特征优化模块 SE（Squeeze-and-Excitation）块和基于 U-Net 的病变定位模块以提升可解释性，并在 ODIR-5K、Messidor、G1020 和汕头国际眼科中心联合数据集上进行训练和测试。结果显示，HAM-DNet 实现了 95.3% 的准确率、96.2% 的精确率、97.1% 的召回率、98.42 的 AUC 和 96.75 的 F1 值，同时保持较低的计算成本（9.7 GFLOPS），在处理多标签分类及减少假阳性和假阴性方面优于包括浅层 CNN 和 EfficientNet 在内的现有模型。研究表明，HAM-DNet 为多种眼科疾病的自动化检测提供了稳健、准确且可解释的解决方案，其轻量级架构适用于临床部署，尤其在远程医疗和资源受限环境中具有应用潜力。