(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210958363.0 (22)申请日 2022.08.09 (71)申请人 长沙理工大 学 地址 410114 湖南省长 沙市天心区万家丽 南路二段96 0号 申请人 湖南省人民医院 （湖南师 范大学附 属第一医院） (72)发明人 夏卓群　胡航宇　李文静　江其盛　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 赵琴娜 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/22(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 糖尿病视网膜病变的分级方法、 系统、 设备 及存储介质 (57)摘要 本发明公开了一种糖尿病视网膜病变的分 级方法、 系统、 设备及存储介质， 其中方法包括： 将待分级图像划分为多个相同尺 寸的斑块， 根据 斑块的病变情况识别得到每个斑块对应的病变 概率； 根据病变概率为对应的斑块分配对应的注 意力权重， 并将所有斑块的注 意力权重拼接得到 第一注意力权重图； 根据预设的病变定位网络对 待分级图像进行病变位置和类别的预测， 得到预 测结果， 根据预测结果生成第二注意力权重图； 融合第一注 意力权重图和第二注 意力权重图， 得 到第三注 意力权重图， 将第三注 意力权重图与待 分级图像加权后输入至预设的分级网络， 得到待 分级图像的糖尿病视网膜病变分级结果； 本发明 能够提高糖 尿病视网膜病变分级的准确率。 权利要求书2页 说明书10页 附图6页 CN 115311496 A 2022.11.08 CN 115311496 A 1.一种糖尿病视网膜病变的分级方法， 其特 征在于， 所述方法包括： 获取糖尿病视网膜病变的待分级图像； 将所述待分级图像划分为多个相同尺寸的斑块， 根据所述斑块的病变情况识别得到每 个所述斑块对应的病变概率； 根据所述病变概率为对应的斑块分配对应的注意力权重， 并 将所有所述斑块的所述注意力权 重拼接得到第一注意力权 重图； 根据预设的病变定位网络对所述待分级图像进行病变位置和类别的预测， 得到预测结 果， 根据所述预测结果 生成第二注意力权 重图； 融合所述第一注意力权重 图和所述第二注意力权重 图， 得到第三注意力权重 图， 将所 述第三注意力权重图与所述待分级图像加权后输入至预设的分级网络， 得到所述待分级图 像的糖尿病视网膜病变分级结果。 2.根据权利要求1所述的一种糖尿病视网膜病变的分级方法， 其特征在于， 所述病变概 率包括四维概率向量和所述斑块的标签值； 所述四维概率向量包括正常、 微动脉瘤、 出血和 渗出四个维度的概 率。 3.根据权利要求2所述的一种糖尿病视网膜病变的分级方法， 其特征在于， 所述根据 所 述斑块的病变情况识别得到每个所述斑块对应的病变概率通过预设的局部网络完成； 所述 局部网络由卷积层、 最大池化层和完全连接层依次连接组成， 卷积层之间的激活函数为 Mish函数， 完全连接层之后使用dropout防止过拟合。 4.根据权利要求3所述的一种糖尿病视网膜病变的分级方法， 其特征在于， 所述根据 所 述病变概 率为对应的斑块分配对应的注意力权 重， 包括： 令由所述待分级图像划分的所述斑块 为第一级斑块； 若所述第一级斑块对应的第一级四维病变概率中存在至少二个维度的概率均大于预 设的概率阈值， 则将所述第一级斑块放大为第二级斑块， 将所述第二级斑块输入至局部网 络， 得到所述第二级斑块对应的第二级四维病变概率， 若所述第二级四维病变概率中存在 至少二个维度的概率均大于预设的概率阈值， 则将所述第二级斑块放大为第三级斑块， 将 所述第三级斑块输入至局部网络， 依此类推， 直至第N级斑块对应的第N级四维病变概率不 存在至少二个维度的概率均大于预设的概率阈值， 其中所述第N级斑块的尺寸是第N ‑1级斑 块的尺寸的m倍； 若所述第N级斑块的第N级四维病变概率不存在至少二个维度的概率均大于所述概率 阈值， 获取所述第N级斑块的标签值和所述第N级斑块对应的四维概率向量中的最大概率， 根据所述标签值和所述 最大概率得到述所述第N级斑块的注意力权 重。 5.根据权利要求4所述的一种糖尿病视网膜病变的分级方法， 其特征在于， 所述概率阈 值的获取， 包括： 判断在所述 四维概率向量中是否存在至少两个维度的概率相近， 所述概率相近表示两 个维度的概 率均大于 0.5且相差不大于 0.15； 若所述四维概率向量中存在至少两个维度的概率相近， 获取概率相近中的最小概率 值， 令所述 最小概率值为x； 判断存在至少两个维度的概率相近的所述斑块的标签是否存在多种病变， 存在多种病 变令y＝1， 不存在多种 病变令y＝0.5； 将所述x和所述y形成映射， 采用k均值 算法得到所述 概率阈值。权　利　要　求　书 1/2 页 2 CN 115311496 A 26.根据权利要求4所述的一种糖尿病视网膜病变的分级方法， 其特征在于， 所述放大包 括： 通过立方 卷积插值 算法将所述第N ‑1级斑块的尺寸大小放大m倍； 对放大m倍后的所述第N ‑1级斑块的图像进行 上采样得到m个所述 N级斑块。 7.根据权利要求4所述的一种糖尿病视网膜病变的分级方法， 其特征在于， 所述注意力 权重的构造， 包括： 将所述斑块的所述标签值和所述 最大概率映射得到整合 值； 将所述整合值的每个条目都增加成与所述斑块相同大小的矩阵得到加权矩阵， 所述加 权矩阵为所述斑块的注意力权 重。 8.一种糖尿病视网膜病变的分级系统， 其特 征在于， 包括： 获取图像模块， 用于获取糖尿病视网膜病变的待分级图像； 注意力权重生成模块， 用于将所述待分级图像划分为多个相同尺寸的斑块， 根据所述 斑块的病变情况识别得到每个所述斑块对应的病变概率； 根据所述病变概率为对应的斑块 分配对应的注意力权重， 并将所有所述斑块的所述注意力权重拼接得到第一注意力权重 图； 病变定位模块， 用于根据预设的病变定位网络对所述待分级图像进行病变位置和类别 的预测， 得到预测结果， 根据所述预测结果 生成第二注意力权 重图； 分级模块， 用于融合所述第一注意力权重 图和所述第二注意力权重 图， 得到第三注意 力权重图， 将所述第三注意力权重图与所述待分级图像加权后输入至预设的分级网络， 得 到所述待分级图像的糖尿病视网膜病变分级结果。 9.一种电子设备， 其特征在于： 包括至少一个控制处理器和用于与所述至少一个控制 处理器通信连接的存储器； 所述存储器存储有可被所述至少一个控制处理器执行 的指令， 所述指令被所述至少一个控制处理器执行， 以使 所述至少一个控制处理器能够执行如权利 要求1至7任一项所述的一种糖尿病视网膜病变的分级方法。 10.一种计算机可读存储介质， 其特征在于： 所述计算机可读存储介质存储有计算机可 执行指令， 所述计算机可执行指 令用于使计算机执行如权利要求 1至7任一项 所述的一种糖 尿病视网膜病变的分级方法。权　利　要　求　书 2/2 页 3 CN 115311496 A 3