基于完全关注机制的糖网筛查网络结构模型制造技术

本发明专利技术实施例涉及一种基于完全关注机制的糖网筛查网络结构模型。其中，该模型包括：池化层、注意力映射层、全局池化层以及全连接层，其中：卷积层，用于对输入的眼底图像进行图像特征提取，输出眼底图像的图像特征；池化层，用于对图像特征进行池化；注意力映射层，用于对经过池化的图像特征进行映射分类，得到多个分类特征；全局池化层，对多个分类特征进行全局池化，以对多数多个分类特征进行筛选；全连接层，用于经过全局池化的分类特征进行特征融合，得到分类结果。本发明专利技术解决了由于相关技术中难以对眼底图像进行细微的分类，造成的眼底图像分类结果不准确的技术问题。

A Sugar Net Screening Network Structure Model Based on Full Concern Mechanism

【技术实现步骤摘要】
基于完全关注机制的糖网筛查网络结构模型
本专利技术涉及计算机视觉领域，具体涉及一种基于完全关注机制的糖网筛查网络结构模型。
技术介绍
糖网是一种由糖尿病导致的眼睛致盲的疾病。现在糖网已经成为主要的致盲原因。在糖网的早期，可以通过眼底检测到一些早期迹象，并能够通过去医院治疗来有效预防或放缓病人的致盲。但是，这样的眼底筛查需要丰富眼底阅片经验的眼底医生，培养的过程需要较长的周期，跟大量需要进行眼底检测的人不能有效的对应起来。这就导致病人到医院就医的时候，往往已经很严重了，而不能有效的治疗。因此，通过计算机实现对于糖网的分期是一项非常有意义的工作。近些年来，深度学习在计算机视觉领域发展迅速。Cnn从1989年提出，到2012年alexnet以绝对优势赢得imagenet图像分类的冠军，之后成为主要的图像分类的方法，并衍生出各种不同的卷积神经网络的变种，成为图像分类的主流方法。在2012年以后的图像分类领域，深度学习一直都是处于霸主地位，vgg，google-net，inception-net，resnet，desenet，senet，各种分类网络模型不断涌现，效果也越来越好。深度学习，长期本文档来自技高网...

【技术保护点】
1.一种基于完全关注机制的糖网筛查网络结构模型，其特征在于，包括卷积层、池化层、注意力映射层、全局池化层以及全连接层，其中：所述卷积层，用于对输入的眼底图像进行图像特征提取，输出所述眼底图像的图像特征；所述池化层，用于对所述图像特征进行池化；所述注意力映射层，用于对经过池化的图像特征进行映射分类，得到多个分类特征；所述全局池化层，对所述多个分类特征进行全局池化，以对多数多个分类特征进行筛选；所述全连接层，用于经过全局池化的分类特征进行特征融合，得到分类结果。

【技术特征摘要】
1.一种基于完全关注机制的糖网筛查网络结构模型，其特征在于，包括卷积层、池化层、注意力映射层、全局池化层以及全连接层，其中：所述卷积层，用于对输入的眼底图像进行图像特征提取，输出所述眼底图像的图像特征；所述池化层，用于对所述图像特征进行池化；所述注意力映射层，用于对经过池化的图像特征进行映射分类，得到多个分类特征；所述全局池化层，对所述多个分类特征进行全局池化，以对多数多个分类特征进行筛选；所述全连接层，用于经过全局池化的分类特征进行特征融合，得到分类结果。2.根据权利要求1所述的模型，其特征在于，所述模型包括多个所述池化层，其中：多个所述池化层与所述卷积层串联，每个所述池化层分别与所述注意力映射层、全局池化层串联；所述全连接层，分别与多个所述全局池化层连接。3.根据权利要求2所述的模型，其特征在于，相邻的两个所述池化层通过所述卷积层连接。4.根据权利要求1-3任意一项所述的模型，其特征在于，所述注意力映射层包括1×1的卷积操作。5.根据权利要求1所述的模...

【专利技术属性】
技术研发人员：季鑫，
申请(专利权)人：珠海上工医信科技有限公司，
类型：发明
国别省市：广东,44