A Dual Attention-aided DenseNet-121 for Classification of Glaucoma from Fundus Images

要約

ディープラーニングとコンピュータービジョンの手法は、現在、眼科分野で主に使用されています。
この論文では、眼底画像から正常な眼と緑内障の眼を分類するための注意支援型 DenseNet-121 を紹介します。
これには、DenseNet-121 によって抽出された関連する空間およびチャネルの特徴を強調表示する畳み込みブロック アテンション モジュールが含まれます。
チャネル再調整モジュールは、空間次元の統計的特徴とともにエッジ情報を利用することで、特徴をさらに強化します。
実験には、RIM-ONE と ACRIMA という 2 つの標準データセットが使用されました。
私たちの方法は、最先端のモデルよりも優れた結果を示しています。
各コンポーネントの有効性を示すためにアブレーション研究も実施されました。
提案された作業のコードは、https://github.com/Soham2004GitHub/DADGC で入手できます。

要約(オリジナル)

Deep learning and computer vision methods are nowadays predominantly used in the field of ophthalmology. In this paper, we present an attention-aided DenseNet-121 for classifying normal and glaucomatous eyes from fundus images. It involves the convolutional block attention module to highlight relevant spatial and channel features extracted by DenseNet-121. The channel recalibration module further enriches the features by utilizing edge information along with the statistical features of the spatial dimension. For the experiments, two standard datasets, namely RIM-ONE and ACRIMA, have been used. Our method has shown superior results than state-of-the-art models. An ablation study has also been conducted to show the effectiveness of each of the components. The code of the proposed work is available at: https://github.com/Soham2004GitHub/DADGC.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google