[发明专利]一种用于糖尿病视网膜病变分类的方法及电子设备

说明书

本发明公开了一种用于糖尿病视网膜病变分类的方法及电子设备，方法包括超分辨率重建和利用图像分类网络对超分图像进行分类等步骤，超分辨率重建网络包括初步卷积层、深层特征提取单元、特征融合单元和图像放大模块，初步卷积层用于对眼底图像进行浅层特征提取，深层特征提取单元包括跳跃连接和多个残差注意力模块，图像放大模块用于对第二特征图进行超分辨率重建。本发明利用超分辨率技术增大眼底图像的分辨率，在有限的硬件条件下，提升基于深度学习方法对糖尿病视网膜病变分类的准确率，以满足实际诊断的需要，缓解医疗资源紧张的局面；超分辨率重建网络特征提取效率高，重建效果好。

技术领域

本发明属于医疗和图像处理技术领域，具体地说，涉及一种用于糖尿病视网膜病变分类的方法及电子设备。

背景技术

糖尿病会引起多种并发症，糖尿病性视网膜病变(DR)是其中比较严重的一种，它能够导致患者视力出现障碍，甚至致盲。随着人们物质生活水平的提高，人均年龄逐渐增大，我国患糖尿病的人数也随之迅速扩大，需要进行视网膜病变诊断的患者数量快速增长。另一方面，常规的人工诊断依赖于医生的临床经验，而合格的医疗人员培养周期长，与快速增加的患者数量相比，医疗资源越来越匮乏，使得很多患者得不到及时的诊断和治疗，导致疾病恶化。

利用人工智能技术，尤其是深度学习，对眼底视网膜图像进行自动分类，以辅助诊断糖尿病性视网膜病变是解决医疗资源匮乏的一个有效途径。但是，准确的诊断依赖于高质量的图像输入，而我国很多地区经济水平不高，医疗设备条件落后，拍摄获取的视网膜图像分辨率普遍比较低，导致基于深度学习的图像分类方法误诊率高，难以满足实际的需要。

发明内容

针对现有技术中上述的不足，本发明提供了一种用于糖尿病视网膜病变分类的方法及电子设备，以提高对眼底视网膜图像分类的准确率。

为了达到上述目的，本发明采用的解决方案是：一种用于糖尿病视网膜病变分类的方法，包括以下步骤：

S1、获取眼底图像，获取训练好的超分辨率重建网络，利用所述超分辨率重建网络对所述眼底图像进行超分辨率重建，获得分辨率大于所述眼底图像的超分图像；

S2、获取训练好的图像分类网络，将所述超分图像输入所述图像分类网络，利用所述图像分类网络对所述超分图像进行分类；

所述超分辨率重建网络包括：

初步卷积层，所述初步卷积层用于对所述眼底图像进行浅层特征提取，获得第一特征图；

深层特征提取单元，所述深层特征提取单元的输入端与所述初步卷积层的输出端连接，所述深层特征提取单元包括跳跃连接和多个残差注意力模块，多个所述残差注意力模块首尾顺次连接，所述第一特征图通过所述跳跃连接输入各个所述残差注意力模块；

特征融合单元，所述特征融合单元用于将各个所述残差注意力模块输出的特征图融合，得到第二特征图；

图像放大模块，所述图像放大模块用于对所述第二特征图进行超分辨率重建，获得所述超分图像；

其中，所述残差注意力模块的数学模型为：

F1＝σ₁(f₃₁(K_n))

F2＝σ₂(f₃₂(K_n))

F3＝σ₃(f₃₃(F2))

F4＝f_ca(f_T(F1,F2,K₀))

F5＝f_m(F4,[F1,F3])