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

现今，深度学习和计算机视觉方法在眼科领域中被广泛应用。本文介绍了一种基于DenseNet-121的注意力辅助模型，用于从眼底图像中分类正常眼和青光眼眼。该模型采用卷积块注意力模块来突出DenseNet-121提取的相关空间和通道特征。通道校准模块进一步利用边缘信息和空间维度的统计特征来丰富特征。实验使用了两个标准数据集，即RIM-ONE和ACRIMA。我们的方法表现优于最先进的模型。还进行了消融研究，以展示每个组件的有效性。该研究的代码可在以下网址找到：https://github.com/Soham2004GitHub/DADGC。

本论文旨在使用深度学习和计算机视觉方法来分类正常和青光眼眼睛的眼底图像，解决眼科领域的问题。

论文提出了一种基于DenseNet-121的注意力辅助分类方法，使用卷积块注意力模块来突出DenseNet-121提取的相关空间和通道特征，并利用通道重新校准模块来利用边缘信息和空间维度的统计特征来丰富特征。

论文使用了两个标准数据集RIM-ONE和ACRIMA进行实验，提出的方法比现有的最先进模型表现更好。此外，论文进行了消融实验来展示每个组件的有效性，并提供了开源代码。

最近的相关研究包括：1）使用深度学习方法对眼底图像进行分类的研究；2）使用注意力机制来增强深度学习模型性能的研究。