摘要：目的提出一種基于人類視覺注意力機制的FA-Net網絡結構以使卷積神經網絡(CNN)更適用于眼病篩查系統(tǒng)中的圖像質量評估。方法FA-Net主網絡由VGG-19網絡組成,本研究在該基礎上將人類視覺注意力機制加入到CNN中,并在訓練時使用遷移學習的方法,使用ImageNet的權重初始化網絡。注意力網絡采用前景提取的方法,提取血管和疑似病灶點等感興趣區(qū)域,并賦予感興趣區(qū)域更高的權重來加強對感興趣區(qū)域的學習。結果在訓練FA-Net時,使用了2894張眼底圖像。FA-Net在包含2170張眼底圖像的測試集上,分類準確率達97.65%,其敏感度和特異性分別為0.978和0.960,曲線下面積(AUC)為0.995。結論FA-Net對比于其他CNN具有更優(yōu)越的分類性能,能夠更準確、高效地評估視網膜眼底圖像質量。該網絡考慮了人類視覺系統(tǒng)(HVS)和人類注意力機制,通過在VGG-19網絡結構中加入注意力模塊,在獲得更好分類性能的同時也使分類結果更具有可解釋性。