[发明专利]基于注意力机制的深度学习糖尿病视网膜病变分类方法

摘要

本发明公开一种基于注意力机制的深度学习糖尿病视网膜病变分类方法，包括：选取一系列眼底图像作为原始数据样本，对样本进行归一化预处理、裁剪后分为训练集和测试集；对主神经网络进行参数初始化和微调，将训练集图像输入至主神经网络进行训练，生成特征图；固定主神经网络的参数，采用训练集图像训练注意力网络，输出病变候选区度图并归一化得到注意力图，将注意力图与特征图乘积得到注意力机制；将注意力机制求得结果输入主神经网络，采用训练集图像继续训练，最终得到糖尿病视网膜病变等级分类模型。本发明通过引入了注意力机制，使用糖尿病视网膜病变区域数据集对其进行训练，在保留网络原始特征的同时对病变区域的信息特征进行增强。

主权项

1.基于注意力机制的深度学习糖尿病视网膜病变分类方法，其特征在于，包括如下步骤：(1)分别选取EyePACS数据集、DiaretDB1数据集、Messidor数据集中一系列眼底图像作为原始数据样本，对眼底图像进行归一化预处理，预处理后进行裁剪保证尺寸相同，将裁剪后的眼底图像分为训练集和测试集；(2)构建卷积神经网络模型，所述卷积神经网络模型包括主神经网络和注意力网络；采用ImageNet数据集单独对主神经网络进行训练，通过训练得到的参数对主神经网络进行微调并保存主神经网络模型参数；在保存的主神经网络模型参数中，选取糖尿病视网膜病变等级分类最好的主神经网络模型参数来初始化卷积神经网络中的主神经网络参数部分，余下参数随机初始化；(3)将EyePACS数据集中的训练集图像输入至主神经网络进行训练，生成特征图；固定主神经网络的参数，采用DiaretDB1数据集中的训练集图像训练注意力网络，注意力网络输出病变候选区域灰度图；(4)将注意力网络生成的病变候选区域灰度图进行归一化得到注意力图，并将注意力图与主神经网路输出的特征图进行元素点乘，乘积得到注意力机制；(5)将注意力机制求得结果输入主神经网络中，采用EyePACS数据集中的训练集图像继续训练，训练时按照设定的学习率调整主神经网络的参数，最终得到糖尿病视网膜病变等级分类模型。