【技术实现步骤摘要】
本专利技术涉及人工智能领域，尤其是涉及一种基于多医学图像的糖尿病肾病分析方法及系统。
技术介绍
1、糖尿病肾病(diabetic nephropathy，dn)是糖尿病最常见和最严重的并发症之一，也是导致终末期肾病(esrd)的主要原因。糖尿病肾病的具体发病原因还有待确定，但是一般认为由于高血糖会增加肾脏的负荷，造成肾脏血管和肾小球的损伤，进而引发糖尿病肾病。糖尿病肾病在早期没有明显症状，随着疾病的进展，会出现水肿、尿液泡沫增加、疲劳、食欲不振等症状，如果再任由疾病发展，最终可能会诱发终末期肾功能衰竭。越早发现糖尿病肾病，越早的进行干预，效果越明显。但是糖尿病肾病早期并不容易被发现，随着医疗图像仪器、图像处理技术以及人工智能的发展，很多医院、高校和科研院所在不断尝试将人工智能应用到糖尿病肾病的识别中，尤其是早期糖尿病肾病的识别。但是依靠单一的医学图像对糖尿病肾病进行分析的效果不佳，如何采用多医学图像对糖尿病肾病进行分析是亟待解决的问题。
技术实现思路
1、为了解决上述问题，本专利技术提供了...
【技术保护点】
1.一种基于多医学图像的糖尿病肾病分析方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述获取所述对应的ViT网络模型中第一个多头自注意力机制中多个头的合并结果和最后一个多头自注意力机制中多个头的合并结果，具体为：
3.如权利要求1所述的方法，其特征在于，所述根据多个头的合并结果和多头自注意力机制中对应的权重矩阵WO得到第一特征矩阵和第二特征矩阵，具体为：
4.如权利要求1所述的方法，其特征在于，所述根据第一特征矩阵和第二特征矩阵得到融合特征，具体为：
5.如权利要求1所述的方法，其特征...
【技术特征摘要】
1.一种基于多医学图像的糖尿病肾病分析方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述获取所述对应的vit网络模型中第一个多头自注意力机制中多个头的合并结果和最后一个多头自注意力机制中多个头的合并结果，具体为：
3.如权利要求1所述的方法，其特征在于，所述根据多个头的合并结果和多头自注意力机制中对应的权重矩阵wo得到第一特征矩阵和第二特征矩阵，具体为：
4.如权利要求1所述的方法，其特征在于，所述根据第一特征矩阵和第二特征矩阵得到融合特征，具体为：
5.如权利要求1所述的方法，其特征在于，所述将其他医学图像对应的类别标识和融合特征以及所述眼底图像的类别标识进行融合，具体为：
6.如权利要求1所...
【专利技术属性】
技术研发人员：周思捷，薛杰，冯其，胡明阳，刘章锁，
申请(专利权)人：郑州大学，
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。