基于注意力机制的圆锥角膜分类辅助诊断研究

圆锥角膜是一种眼部疾病,较早发现并诊断圆锥角膜可控制病情,避免角膜移植,也可以为准分子激光手术进行圆锥角膜排查。然而,目前圆锥角膜的早期诊断较为困难,一种可靠的计算机辅助筛查圆锥角膜诊断方法需求迫切。基于此,首次把引入注意力机制(convolutional block attention module,CBAM)的残差网络(residual neural network,ResNet)模型（CBAM＿ResNet50）应用在圆锥角膜辅助诊断中,通过对角膜地形图的原始数据集进行预处理,用其训练CBAM＿ResNet50网络,并和未引入注意力机制的ResNet50网络模型进行对比。使用CBAM＿ResNet50网络模型准确率达到了98%,比未引入注意力机制ResNet50网络模型准确率提升了3%。CBAM＿ResNet50可以较为准确地对圆锥角膜进行分类,能有效辅助医生诊断圆锥角膜。