【技术实现步骤摘要】
基于注意力机制的OCT图像检测方法及相关设备
[0001]本专利技术涉及图像处理
，尤其涉及一种基于注意力机制的OCT图像检测方法、装置、电子设备及存储介质。
技术介绍
[0002]光学相干断层扫描技术(OCT)是用于视网膜病变检测的一项重要技术，通过OCT图像可以观测到多种视网膜病灶，例如，视网膜内积液、色素上皮脱离、脉络膜新生血管等。而通过卷积神经网络或基于注意力机制的Vision Transformer技术对眼科OCT图像进行自动病灶检测，可以为医生对眼科疾病进行初始诊断、治疗反应的评估以及随访检查提供有效的影响学诊断指标。。
[0003]当前问题是，虽然卷积神经网络已经在大多数领域中应用广泛，但它存在无法理解图片和语义关系、没有空间分层和空间推理能力的缺点。基于注意力机制的Vision Transformer虽然能够考虑图像的全局特点，具有空间分层和空间推理能力，但由于它使用图像的分块进行输入，在小特征的图像分类任务中导致了细节的丢失，从而影响图像的分类准确度。而OCT图像跟传统图像有着较大的差别，OC...
【技术保护点】
【技术特征摘要】
1.一种基于注意力机制的OCT图像检测方法，应用于电子设备，其特征在于，所述方法包括：获取视网膜OCT图像；对所述视网膜OCT图像进行底层特征提取操作，得到特征图；对所述特征图中的像素进行展平操作，得到序列词汇，其中，所述序列词汇表示所述特征图中的像素；通过像素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇；将所述输入序列词汇输入至预设的自注意力识别模型进行识别，得出所述视网膜OCT图像的分类信息，所述分类信息包括输出序列词汇、输出序列词汇的维度、患病种类、患病种类的概率、所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；基于所述分类信息判断所述视网膜OCT图是否属于病灶图像；若否，则输出所述视网膜OCT图像的类别及所述视网膜OCT图像的类别概率；若是，则根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域。2.如权利要求1所述的基于注意力机制的OCT图像检测方法，其特征在于，所述自注意力识别模型包括多头自注意力块、均值池化层和分类器；其中，所述多头自注意力块用于依据所述输入序列词汇进行全局特征建模，得出所述输出序列词汇；所述均值池化层用于对所述输出序列词汇池化至固定的长度大小，得到所述输出序列词汇的维度；所述分类器用于依据所述输出序列词汇和所述输出序列词汇的维度对所述视网膜OCT图像进行分类得到所述视网膜OCT图像的类别、所述视网膜OCT图像的类别概率、患病种类以及患病种类的概率。3.如权利要求2所述的基于注意力机制的OCT图像检测方法，其特征在于，所述根据所述输出序列词汇、所述输出序列词汇的维度、所述患病种类以及所述患病种类的概率计算出所述视网膜OCT图像的病灶区域的步骤中，满足如下条件：出所述视网膜OCT图像的病灶区域的步骤中，满足如下条件：其中，A表示输出序列词汇；i表示输出序列词汇中的第i个词汇；表示输出序列词汇A中的第i个词汇的第k维度；c表示患病种类；y
c
表示患病种类c的输出权重；表示患病种类c下输出序列词汇中的所有词汇在维度k上的平均梯度；ReLU表示激活函数；表示偏导数。4.如权利要求1所述的基于注意力机制的OCT图像检测方法，其特征在于，所述对所述视网膜OCT图像进行底层特征提取操作，得到特征图的步骤中，所述底层特征提取操作包括卷积操作、归一化操作以及ReLU激活操作。5.如权利要求2所述的基于注意力机制的OCT图像检测方法，其特征在于，所述通过像
素线性投影调整所述序列词汇的维度，并将调整维度后的所述序列词汇添加可学习的位置嵌入，得到输入序列词汇的步骤中，满足如下条件：μ＝[x1E...
【专利技术属性】
技术研发人员：温华杰，赵建，黄炳顶，相韶华，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。