ABSTRAK
Mendeteksi dan melakukan segmentasi mikroaneurisma dapat membantu dokter mendiagnosis kondisi tersebut dan merumuskan rencana perawatan selanjutnya. Jaringan fusi pengurangan fitur multiskala diusulkan dalam makalah ini. Jaringan ini mencakup dua modul: modul kompensasi fitur multiskala dan modul fusi pengurangan. Dalam modul kompensasi fitur multiskala, fitur-fitur antara level jaringan yang berdekatan digabungkan. Mengingat bahwa penggabungan fitur secara sederhana dapat menyebabkan redundansi fitur, modul fusi pengurangan dirancang. Untuk memungkinkan jaringan saraf mengekstrak informasi yang lebih terperinci, cabang diperkenalkan. Modul peningkatan perhatian wavelet dirancang untuk mengubah perhatian saluran dari koefisien frekuensi yang diekstraksi oleh transformasi wavelet. Metode yang diusulkan dapat membantu jaringan mempelajari keragaman fitur dengan lebih baik, dan karenanya dapat meningkatkan kinerja segmentasi. Hasil eksperimen menunjukkan bahwa, dibandingkan dengan metode yang ada, metode yang diusulkan dapat mencapai kinerja yang lebih baik dengan koefisien Dice sebesar 0,4481, 0,4860, dan 0,3561 pada dataset IDRID, E-Ophtha, dan DDR, masing-masing.