基于生成對抗網絡與雙注意力的糖網分類方法

郭妮妮， 喬鋼柱， 張光華， 王 龍

(1. 中北大學 大數據學院， 山西 太原 030051； 2. 太原學院 智能與自動化系， 山西 太原 030032； 3. 山西智能大數據產業技術創新研究院 醫療健康大數據研究中心， 山西 太原 030006)

0 引 言

糖尿病是一種異質性代謝紊亂， 一直以來都是全球面臨的巨大挑戰， 預計到2045年， 全球糖尿病患者的數量將達到7億[1]。 由糖尿病引起的眼科疾病有很多， 其中糖尿病視網膜病變(DR)就是最常見的一種， 眼底由正常到增殖性病變的DR圖像如圖1 所示。 正常的眼底圖像中無任何異常； 輕度非增殖性病變(mild NPDR)的眼底圖像中僅有微動脈瘤(MA)出現； 中度非增殖性病變(moderate NPDR)圖像中含有存在程度輕于重度非增殖性病變(severe NPDR)的MA； severe NPDR圖像中會出現視網膜內出血、 靜脈串珠樣改變、 微血管異常； 增殖性病變PDR圖像中會出現較為嚴重的變化， 如新生血管形成、 玻璃體積血或視網膜前出血等。

圖1 正常眼底圖像和4類DR圖像

延遲或預防糖尿病視網膜病變致盲的關鍵在于早期發現和適當治療[2]。 雖然糖尿病視網膜病變在早期基本無癥狀， 但實際上此時視網膜神經的損傷和臨床看不見的微血管變化都已存在[3]， 這是糖尿病視網膜病變早期無法準確診療的原因之一。 此外， 由于眼科醫生對DR的手動診斷費時費力， 且容易發生誤診， 也加大了視網膜病變早期診斷的難度。 因此， 引入計算機輔助診斷系統可以及時診斷病變、 避免誤診， 有效地管理病情進程， 減少治療的成本、 時間和精力投入。

在一些公開的DR數據集中， 5個類別的DR圖像數量不均衡是影響最終分類效果的原因之一。……