简介:摘要:糖尿病视网膜病变 (DR) 是一种严重的眼部异常,其严重情况下会导致视网膜脱落甚至失明。眼底的渗出液是由于高血糖毒性作用,导致血屏障破坏,血管内的脂质等漏出而造成的。是视网膜病变的并发症之一。由于患者与专业医生数量悬殊巨大,设计一个可以自动的检测渗出液的医疗助手是十分重要的任务。本文依托于深度学习方法,以U-Net架构为骨架网络,以准确度 (Acc)、灵敏度 (SE)、特异性 (SP)以及AUC值作为模型性能的评估指标,先测试了原始U-Net在该任务上的分割能力,在该任务上达到99.8%的准确度,73.1%的灵敏度,98.0%的特异性以及0.973的AUC值。根据U-Net网络架构的固有问题,将Attention机制与U-Net结构,搭建Attention U-Net。99.8%的准确度,81.5%的灵敏度,99.8%的特异性以及0.985的AUC值。实验结果表明,Attention U-Net有更好的特征提取能力。