买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：本发明公开了一种视网膜病变细粒度分级方法及装置，将全局特征输入到注意力提取网络进行注意力特征提取，获取注意力特征图；使用信息量提取函数提取注意力特征图每一个通道的信息量，对所有通道的信息量进行排序，选取信息量前K的通道得到局部通道特征图；对局部通道特征图进行随机丢弃处理，将随机丢弃处理后的局部通道特征图进行二值化处理，并根据二值化处理结果选取待分级的视网膜图像中的局部区域，对所述局部区域采用第二密集连接神经网络提取局部特征，从而采用融合全局特征和局部特征进行分级。本发明在糖尿病性视网膜病变分级上拥有较好结果。

主权项：1.一种视网膜病变细粒度分级方法，其特征在于，所述视网膜病变细粒度分级方法，包括：获取待分级的视网膜图像，采用第一密集连接神经网络提取全局特征；将全局特征输入到注意力提取网络进行注意力特征提取，获取注意力特征图；使用信息量提取函数提取注意力特征图每一个通道的信息量，对所有通道的信息量进行排序，选取信息量前K的通道得到局部通道特征图；对局部通道特征图进行随机丢弃处理，将随机丢弃处理后的局部通道特征图进行二值化处理，并根据二值化处理结果选取待分级的视网膜图像中的局部区域；对所述局部区域采用第二密集连接神经网络提取局部特征；将所述全局特征和局部特征进行特征融合，输入全连接层得到分级结果；所述视网膜病变细粒度分级方法，还包括：训练视网膜病变细粒度分级网络；所述视网膜病变细粒度分级网络，包括：第一密集连接神经网络，用于提取全局特征；注意力提取网络，用于进行注意力特征提取，获取注意力特征图；多通道注意力选择网络，用于使用信息量提取函数提取注意力特征图每一个通道的信息量，对所有通道的信息量进行排序，选取信息量前K的通道得到局部通道特征图；对局部通道特征图进行随机丢弃处理，将随机丢弃处理后的局部通道特征图进行二值化处理，并根据二值化处理结果选取待分级的视网膜图像中的局部区域；第二密集连接神经网络，用于对所述局部区域采用第二密集连接神经网络提取局部特征；特征融合网络，用于将所述全局特征和局部特征进行特征融合；全连接层，用于对特征融合后的融合特征进行分级，得到分级结果；其中，所述视网膜病变细粒度分级网络的目标函数为： 其中，α和β是超参数，为局部特征和全局特征各自的分类损失之和，为局部特征和全局特征融合之后的分类损失，为排序损失； 其中，loss为交叉熵损失，fc是置信度函数，Fi′为第i个局部特征，classi为Fi′的标签值，F为全局特征，class为F的标签值，f为铰链损失函数，S′j、S′i为局部通道特征图中通道特征对应的信息量，i,j∈K，Ci为第i个局部特征的分类置信度，Cj为第j个局部特征的分类置信度，C0是全局特征的分类置信度。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种视网膜病变细粒度分级方法及装置