#多病识别

LiteFeatNet：轻量高效眼底多病识别模型

研究提出一种名为LiteFeatNet的轻量化卷积神经网络，专用于从眼底图像中同时识别多种视网膜疾病。该模型基于预训练NASNetMobile主干，引入中间层特征提取与空间感知特征图压缩模块，在仅用1824张图像（RFMiD数据集）、60:20:20划分下，测试准确率达90.33%，单图推理仅需4毫秒，模型体积仅19.87MB。它在多个指标上超越12种现有模型，并在外部数据集RFMiD 2.0及扩展至5类疾病的场景中保持高效稳健。