[發(fā)明專利]基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110104745.2
• 申請日: 2021-01-26
• 公開（公告）號: CN112733961A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計）人: 吳晨健;錢志翔
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00;G06T5/00;G06T3/40;G06N3/08;G06N3/04
• 代理公司: 蘇州市中南偉業(yè)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 吳竹慧

1.一種基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法，其特征在于，包括以下步驟：

獲取眼底圖像的數(shù)據(jù)集，將所述眼底圖像的數(shù)據(jù)集劃分為訓(xùn)練集和測試集；

構(gòu)建基于DenseNet網(wǎng)絡(luò)的ADense2Net網(wǎng)絡(luò)模型，在所述DenseNet網(wǎng)絡(luò)中引入注意力機制模塊和多尺度卷積模塊；

使用訓(xùn)練集對ADense2Net網(wǎng)絡(luò)模型進行訓(xùn)練，獲得訓(xùn)練后的ADense2Net網(wǎng)絡(luò)模型；

通過訓(xùn)練后的ADense2Net網(wǎng)絡(luò)模型對測試集進行測試，根據(jù)測試結(jié)果優(yōu)化ADense2Net網(wǎng)絡(luò)模型的參數(shù)，獲得優(yōu)化后的ADense2Net網(wǎng)絡(luò)模型；

使用優(yōu)化后的ADense2Net網(wǎng)絡(luò)模型對獲取的眼底圖像進行分類。

2.如權(quán)利要求1所述的基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法，其特征在于，所述構(gòu)建基于DenseNet網(wǎng)絡(luò)的ADense2Net網(wǎng)絡(luò)模型，在所述DenseNet網(wǎng)絡(luò)中引入注意力機制模塊和多尺度卷積模塊，包括：

改進DenseNet網(wǎng)絡(luò)模型的非線性激活函數(shù)，將卷積網(wǎng)絡(luò)的非線性激活函數(shù)改為FReLU，獲得改進后的DenseNet網(wǎng)絡(luò)模型；

在改進后的DenseNet網(wǎng)絡(luò)模型中引用注意力機制模塊，所述注意力機制模塊為ECANet網(wǎng)絡(luò)中的ECA模塊，并使用殘差模塊將注意力機制模塊與DenseNet網(wǎng)絡(luò)進行融合。

3.如權(quán)利要求1所述的基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法，其特征在于，所述構(gòu)建基于DenseNet網(wǎng)絡(luò)的ADense2Net網(wǎng)絡(luò)模型，在所述DenseNet網(wǎng)絡(luò)中引入注意力機制模塊和多尺度卷積模塊，包括：

將DenseNet網(wǎng)絡(luò)中原始的3×3的主卷積替換為Res2Net網(wǎng)絡(luò)中的殘差分層結(jié)構(gòu)的多尺度卷積模塊，使得DenseNet網(wǎng)絡(luò)中間的主卷積從單分支變?yōu)榱硕喾种А?/p>

4.如權(quán)利要求1所述的基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法，其特征在于，所述構(gòu)建基于DenseNet網(wǎng)絡(luò)的ADense2Net網(wǎng)絡(luò)模型，在所述DenseNet網(wǎng)絡(luò)中引入注意力機制模塊和多尺度卷積模塊，包括：

對于DenseNet網(wǎng)絡(luò)的最后一個池化層，使用可調(diào)參數(shù)的廣義平均池化替換全局平均池化。

5.如權(quán)利要求1所述的基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法，其特征在于，所述獲取眼底圖像的數(shù)據(jù)集，將所述眼底圖像的數(shù)據(jù)集劃分為訓(xùn)練集和測試集，包括：

獲取眼底圖像的數(shù)據(jù)集，對眼底圖像的數(shù)據(jù)集進行預(yù)處理，將預(yù)處理后的眼底圖像的數(shù)據(jù)集劃分為訓(xùn)練集和測試集。

6.如權(quán)利要求5所述的基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法，其特征在于，所述對眼底圖像的數(shù)據(jù)集進行預(yù)處理，包括以下一種或多種操作方式：

刪除數(shù)據(jù)集中質(zhì)量差的圖像，其中，所述質(zhì)量差的圖像包括鏡頭污染引起的噪聲的圖像、光線引起的噪聲的圖像、只保留部分有用信息的圖像和不包含紋理信息的圖像；

去除圖像黑色背景后進行縮放以減小圖像分辨率；

采用限制對比對的自適應(yīng)直方圖均衡的方法對圖像進行增強處理，并對增強后的圖像進行高斯平滑濾波處理。

7.如權(quán)利要求5所述的基于注意力機制的糖尿病視網(wǎng)膜病變的分類方法，其特征在于，所述對眼底圖像的數(shù)據(jù)集進行預(yù)處理還包括數(shù)據(jù)擴增，

所述數(shù)據(jù)擴增包括：通過翻轉(zhuǎn)、平移、縮放的方法對圖像進行數(shù)據(jù)擴增以增加訓(xùn)練數(shù)據(jù)的數(shù)量。