买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北林业大学

摘要：本发明涉及一种基于多阶段特征融合的糖尿病视网膜病变检测方法，主要用于简单有效的检测DR严重程度这一迫切需求。该模型由两部分组成，BC‑Net二分类网络用于特征提取并进行二分类，对患者病情初级判断。FC‑Net四分类网络对糖尿病视网膜病变区域对添加像素级别细粒度关注，经过注意力机制对病变部位分割，然后，基于像素级注释数据的初步预测病变图，通过融合分割特征与原图像来改善DR四分类准确性，输出预测分类结果。本发明为糖尿病视网膜检测提供了更全面、精准的解决方案，为患者的视觉健康水平和生活质量的提升做出了显著的贡献。

主权项：1.基于多阶段特征融合的糖尿病视网膜病变检测算法，其特征在于，包括如下步骤：步骤1：对糖尿病视网膜病变图像进行预处理和数据扩充；步骤2：利用Multi-EffectAttention对病变区域添加细粒度关注，并根据细粒度病灶分割的初步预测病变图，得到多通道特征图像序列；步骤3：使用JointLoss并结合学习率优化策略对FDR-Net网络进行改进，最后使用迁移学习后的网络权重进行训练和评估；步骤1的实现包括：步骤1.1：对眼底图像进行GaussianBlur、CLAHE等预处理；步骤1.2：对眼底图像进行随机长宽比的裁剪、Sharpen、RandomGamma、ISONoise等操作进行数据扩充；步骤1.3：使用CircleCrop对视网膜图像进行边界切除，按照8：1：1进行划分。步骤2的实现包括：步骤2.1：使用Multi-EffectAttention提取病变关键区域信息，通过跨通道信息交互，区分出PDR。输出特征图由下式对输入特征图进行逐元素的加权得到： 其中，⊙表示逐元素乘法，ζ是激活函数，σ是Sigmoid激活函数，和是全连接层的权重，是全为1的张量，GAP表示全局平均池化，MaxPool和AvgPool表示最大池化和平均池化操作；步骤2.2：将其余的NPDR特征图引入残差多层感知器ResMLP模块抓取小面积图像病变信息，FC-Net对病变信息区域添加细粒度关注，通过在局部窗口内应用R-SwinT特征提取块，并利用移位窗口策略交替连接相邻窗口，融合局部细节和全局上下文信息，生成分割特征与原始图像融合的细粒度病灶分割的初步预测病变图。ResMLP模块用公式表示如下： 其中和反映了多头自注意力模块的输出。L代表线性层，GELU非线性层由GELU表示，而学习过程中的各种权重因子由α表示；步骤3的实现包括：步骤3.1：利用迁移学习在ImageNet_1k图像数据集上预先训练的权重用于初始化模型参数，并针对数据集进行微调；步骤3.2：使用JointLoss计算多个层次的特征，对输出的对数取平均值，以对病变严重程度进行判断，损失函数如公式所示： 其中τui为样本真实分布，τui为预测分布，λ为加权因子。

全文数据：

权利要求：

百度查询： 东北林业大学 基于多阶段特征融合的糖尿病视网膜病变检测算法