DeepRetina-MSHA
Reti Neurali Multi-Scala con Uncertainty Quantification per Screening della Retinopatia Diabetica
Framework di deep learning per la classificazione automatica della retinopatia diabetica usando reti di attenzione multi-scala e quantificazione dell'incertezza.
- Architettura
- Multi-Scale Hierarchical Attention Network con backbone EfficientNet-B4 e Bayesian Dropout
- Caratteristiche chiave
-
- Backbone pre-addestrato EfficientNet-B4
- Attenzione gerarchica multi-scala
- Quantificazione dell'incertezza con Bayesian Dropout
- Focal Loss per lo sbilanciamento delle classi
- Training a precisione mista
- Performance
- Training su dataset EyePACS con 88.700 immagini del fundus retinico, 5 gradi di severità
- Tecnologie
- Python · PyTorch · EfficientNet-B4 · CUDA · OpenCV · NumPy · Pandas