【技术实现步骤摘要】
本申请涉及图像处理，具体公开了一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型。
技术介绍
1、糖尿病视网膜病变(dr)是糖尿病患者中常见的并发症之一，也是造成失明的主要原因之一。随着全球糖尿病患病率的持续上升，dr的发病率也呈显著增长的趋势。糖尿病性视网膜病变是由于视网膜血管疾病和视网膜血流异常而发生的。dr通常使用该疾病的四个不同级别来表征，包括轻度、中度、重度和增殖性糖尿病视网膜病变。
2、传统的dr诊断主要依赖于眼科医生通过眼底照片进行评估，这种方式不但耗时耗力，还受过度依赖于眼科医生多年积累的临床经验；视网膜图像的质量会受到光线、设备和操作技术等方面影响；图像中存在一些难以用肉眼分辨的微小特征等。尤其在资源匮乏的地区，诊断延误和误诊现象更为普遍。为了提高诊断的效率和准确，研究人员致力于开发基于图像处理和模式识别的自动分级方法在深度学习还没普及之前，对糖尿病视网膜病变(dr)的检测分级主要还是依靠传统的机器学习。roychowdhury s等人当时提出了一种计算机辅助筛查系统，该系统分析具有不同照明和视野的眼底...
【技术保护点】
1.一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，包括：
2.根据权利要求1所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，所述分层全局上下文模块中，对于给定的特征图，通过卷积将输入特征图的通道数映射到较低维度；
3.根据权利要求2所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，所述分层全局上下文模块中，将输入特征图的通道数映射到较低维度的表达式如下：
4.根据权利要求1所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，所述多尺度自适应...
【技术特征摘要】
1.一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，包括：
2.根据权利要求1所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，所述分层全局上下文模块中，对于给定的特征图，通过卷积将输入特征图的通道数映射到较低维度；
3.根据权利要求2所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，所述分层全局上下文模块中，将输入特征图的通道数映射到较低维度的表达式如下：
4.根据权利要求1所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，所述多尺度自适应注意力模块中，将特征图划分为多个等分组，获得多个子特征图；
5.根据权利要求4所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，所述多尺度自适应注意力模块中，将特征图划分为多个等分组的表达式如下：
6.根据权利要求1所述的一种面向糖尿病性视网膜病变细粒度分级的自适应多尺度模型，其特征在于，在所述关系多头注意力模块中，通过...
【专利技术属性】
技术研发人员：彭清华，孙磊，肖晓霞，晏峻峰，
申请(专利权)人：湖南中医药大学，
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。