一种基于CNN与Transformer的糖尿病视网膜病变分级方法与系统

文档序号:35283563发布日期:2023-09-01 04:04阅读:来源:国知局

技术特征:

1.一种基于cnn与transformer的糖尿病视网膜病变分级方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于cnn与transformer的糖尿病视网膜病变分级方法,其特征在于,s2具体为:

3.根据权利要求1所述的一种基于cnn与transformer的糖尿病视网膜病变分级方法,其特征在于,s3具体为:

4.根据权利要求3所述的一种基于cnn与transformer的糖尿病视网膜病变分级方法,其特征在于,s4具体为:

5.根据权利要求4所述的一种基于cnn与transformer的糖尿病视网膜病变分级方法,其特征在于,s5具体为:

6.一种使用如权利要求1-3任一项所述的一种基于cnn与transformer的糖尿病视网膜病变分级方法的系统,其特征在于,包括:拼图生成模块、残差网络模块、swin-transformer模块、特征融合模块、损失函数模块和训练测试模块;其中,

7.根据权利要求6所述的系统,其特征在于,损失函数模块的工作流程具体为:

8.根据权利要求6所述的系统,其特征在于,拼图生成模块的工作流程具体为:

9.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述方法的步骤。


技术总结
本发明公开了一种基于CNN与Transformer的糖尿病视网膜病变分级方法,包括以下步骤:导入原始图像数据集,将原始图像数据集划分为图像训练集和图像测试集;将图像训练集中的各个原始图像等分成若干个图像块,并生成不同粒度版本的打乱图像;通过残差网络和Swin‑Transformer建立糖尿病视网膜病变分级网络,采用渐进式策略训练糖尿病视网膜病变分级网络,得到串联阶段输出的多尺度多粒度的特征谱;定义分类损失函数和加权卡帕损失函数,并根据分类损失函数和加权卡帕损失函数构建损失层;利用图像训练集优化糖尿病视网膜病变分级网络;利用测试样本集对糖尿病视网膜病变分级网络进行测试。本发明能实现更准确的糖尿病视网膜病变分级,同时获得类别监督信息和有序监督信息。

技术研发人员:许启航,马雷,洪汉玉,王磊,朱映,吴锦梦,张耀宗
受保护的技术使用者:武汉工程大学
技术研发日:
技术公布日:2024/1/14
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1