文章摘要:硬性渗出物（HE）作为糖尿病视网膜病变（DR）早期特征是临床判断DR程度的重要参考。针对现有眼底HE检测算法通过提升模型深度优化分割效果，不仅效益不高，而且容易造成卷积冗余以及分割模型过于追求深层次高级特征而忽略了必要低级特征，导致整体分割性能欠佳的问题，提出一种基于交错组卷积（IGC）以及融合双重注意力机制的U型网络自动分割模型，首先利用改进的IGC模块代替原U型网络编码部分，减少模型参数的同时提取更丰富的病灶特征，其次通过双重注意力机制获得更广泛感受野以及增加提取关键特征通道权重，提升重要特征的可辨别性，其在e-ophtha EX数据集获得的SE、PPV和F-Score分别为91.43%、86.49%和87.32%，在DIARETDB1数据集上获得的SE、SP、Acc分别达到了97.83%、96.16%以及97.51%，与其他先进算法相比，该算法综合性能较优。

文章关键词:

论文DOI:10.19678/j.issn.1000-3428.0062527

论文分类号:R587.2;R774.1;TP391.41