申请/专利权人：华南农业大学

申请日：2024-01-15

公开（公告）日：2024-04-09

公开（公告）号：CN117854710A

主分类号：G16H50/20

分类号：G16H50/20;G06T7/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，包括以下步骤：S1、数据获取：采集彩色眼底图像数据集样本；S2、数据处理：对图像数据采用降采样和数据增强方法对图像数据集样本进行调整；S3、模型搭建：进行模型搭建，利用软阈值改进SE注意力机制构成特征选择和增强模块，并在网络中部引入极化自注意力机制。本发明通过在模型搭建中应用软阈值增强网络模型对病灶特征的提取能力，同时在网络中部引入极化自注意力模块来提高网络对于细粒度病灶特征的提取能力，并在模型训练中，采用伪标签的半监督学习方法，提高模型的泛化能力，为医生的诊断决策提供理论依据，并在医学图像处理等领域具有广泛的应用前景。

主权项：1.一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，其特征在于：包括以下步骤：S1、数据获取：通过眼底相机在不同环境下采集彩色眼底图像数据集样本，并按病变严重程度分级标记；S2、数据处理：对步骤S1采集的图像数据采用降采样和数据增强方法对图像数据集样本进行调整，以减小模型训练时的类别倾向性，并提高网络模型的泛化能力；S3、模型搭建：基于EfficientNet网络进行模型搭建，利用软阈值改进SE注意力机制构成特征选择和增强模块，并在网络中部引入极化自注意力机制，之后应用多尺度的自适应特征融合模块搭建深度学习模型，使用步骤S2中处理后的图像数据训练模型，并采取伪标签的半监督学习方法借助无标签的数据优化模型参数；S4、模型应用：将训练好的模型应用于新的眼底图像，自动进行DR分级。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD