Automatic classification of retinopathy with attention ConvNeXt

Table 1. Comparison before and after dataset expansion
View table
View in Article
Table 1. Comparison before and after dataset expansion
数据类别扩充前扩充后
0级-正常 1 805幅 2 019幅
1级-轻度病变 370幅 2 035幅
2级-中度病变 999幅 2 013幅
3级-重度病变 193幅 1 982幅
4级-增殖性DR 295幅 1 992幅

Table 2. ConvNeXt network structure details

View table

View in Article

Table 2. ConvNeXt network structure details

结构	输入	卷积核及步距	输出
卷积层1 E-Block层1	224 $\times$ 224 $\times$ 3	4 $\times$ 4， s4	56 $\times$ 56 $\times$ 96
	56 $\times$ 56 $\times$ 96	d7 $\times$ 7， s1	56 $\times$ 56 $\times$ 96
	56 $\times$ 56 $\times$ 96	1 $\times$ 1， s1	56 $\times$ 56 $\times$ 384
	56 $\times$ 56 $\times$ 384	1 $\times$ 1， s1	56 $\times$ 56 $\times$ 96
下采样 E-Block层2	56 $\times$ 56 $\times$ 96	2 $\times$ 2， s2	28 $\times$ 28 $\times$ 192
	28 $\times$ 28 $\times$ 192	d7 $\times$ 7，s1	28 $\times$ 28 $\times$ 192
	28 $\times$ 28 $\times$ 192	1 $\times$ 1，s1	28 $\times$ 28 $\times$ 768
	28 $\times$ 28 $\times$ 768	1 $\times$ 1， s1	28 $\times$ 28 $\times$ 192
下采样 E-Block层3	28 $\times$ 28 $\times$ 192	2 $\times$ 2， s2	14 $\times$ 14 $\times$ 384
	14 $\times$ 14 $\times$ 384	d7 $\times$ 7，s1	14 $\times$ 14 $\times$ 384
	14 $\times$ 14 $\times$ 384	1 $\times$ 1， s1	14 $\times$ 14 $\times$ 1 536
	14 $\times$ 14 $\times$ 1 536	1 $\times$ 1， s1	14 $\times$ 14 $\times$ 384
下采样 E-Block层4	14 $\times$ 14 $\times$ 384	2 $\times$ 2， s2	7 $\times$ 7 $\times$ 768
	7 $\times$ 7 $\times$ 768	d7 $\times$ 7， s1	7 $\times$ 7 $\times$ 768
	7 $\times$ 7 $\times$ 768	1 $\times$ 1， s1	7 $\times$ 7 $\times$ 3 072
	7 $\times$ 7 $\times$ 3 072	1 $\times$ 1， s1	7 $\times$ 7 $\times$ 768

Table 3. Results of diabetic retinopathy grading by different algorithms

View table

View in Article

Table 3. Results of diabetic retinopathy grading by different algorithms

算法	灵敏度	特异度	准确率
ConvNeXt（数据扩充前）	75.82	96.06	85.11
ConvNeXt	94.26	98.56	94.27
Densenet^［15］	91.72	97.94	91.72
Shufflenet^［16］	91.78	97.96	91.77
ConvNeXt+CBAM	94.18	98.54	94.16
ConvNeXt+SE	94.52	98.64	94.51
ConvNeXt+ECA	95.20	98.80	95.21

Tools

Get Citation

Copy Citation Text

Wenbo HUANG, Yuxiang HUANG, Yuan YAO, Yang YAN. Automatic classification of retinopathy with attention ConvNeXt[J]. Optics and Precision Engineering, 2022, 30(17): 2147

Download Citation

EndNote(RIS)BibTex Plain Text

Set citation alerts for article

Save article for my favorites