[发明专利]面向视网膜眼底图像中的多尺度小目标检测方法

权利要求书

1.一种面向视网膜眼底图像中的多尺度小目标检测方法，包括如下步骤：

(1)选取8种公共数据集，基于Laplacian尺度空间理论计算每个MA以及负样本的最佳感受野，从而得到每个MA的patchsize；

(2)手动对正负样本patch进行计算，正样本(MA)以MA区域的连通域(金标准)质心为中心，截取patch，负样本选取除MA区域外随机截取图像中的patch区域作为负样本；

(3)制作数据集对应的标签，并通过预设值对图像进行标准化和归一化；

(4)设计适用于现有数据集的神经网络，以实现对多尺度视网膜眼底图像中微动脉瘤的分类；

(5)通过计算准确度、精确度、灵敏度、F1分数对所述神经网络性能进行评价。

2.如权利要求1所述的面向视网膜眼底图像中的多尺度小目标检测方法，其特征在于，步骤(4)中的神经网络为特征提取网络，以提取有效的病灶区域特征信息，完成后续的分类任务。

3.如权利要求1所述的面向视网膜眼底图像中的多尺度小目标检测方法，其特征在于，神经网络使用ASPP方法，对不同尺度的眼底图像进行自适应池化，之后进行多尺度特征融合，使不同尺寸的图像可以得到相同尺度的特征图，用于后面共享参数的训练。

4.如权利要求1所述的面向视网膜眼底图像中的多尺度小目标检测方法，其特征在于，卷积神经网络引入注意力机制，对融合后的特征图进行3层下采样特征提取，每层下采样的输出分别经过通道注意力机制和空间注意力机制，可以更加准确的强调有效特征，避免背景以及其他噪声对有效特征信息造成干扰。

5.如权利要求1所述的面向视网膜眼底图像中的多尺度小目标检测方法，其特征在于，特征融合使用金字塔融合机制，在提取到有效的特征后，通过3层上采样操作还原特征图的细节信息，并与下采样中不同尺度的特征图进行特征金字塔融合，最后将金字塔每一层的特征图进行像素累加操作，作为用于分类的特征图，最终得到二分类预测结果。