一种用于视网膜色素变性分级的类别注意力网络构建方法
技术特征：
1.一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，高效自注意力transformer支路包括：沿正向传播方向串联的一个patch分块模块、多个特征提取模块，其中，第一个特征提取模块包括：依次连接的一个线性嵌入层与一个高效transformer模块，除第一个特征提取模块外的其他特征提取模块均包括依次连接的一个线性合并层与一个高效transformer模块；
3.根据权利要求2所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，所述将眼底彩照图像输入高效自注意力transformer支路，捕捉全局信息，得到高效自注意力transformer支路的输出特征，包括：
4.根据权利要求2所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，将高效transformer模块输入特征通过高效transformer模块，调整注意力权重，得到高效transformer模块输出特征，包括：
5.根据权利要求1所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，所述将融合特征通过全局特征提取组件，提取通道权重和空间注意力权重，得到全局特征，包括：
6.根据权利要求5所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，所述将融合特征通过全局特征提取组件，提取通道权重和空间注意力权重，得到全局特征，包括：
7.根据权利要求1所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，所述将通道数调整后的特征图划分为个类别特征图，并计算每个类别特征图的权重得分，计算公式为：
8.根据权利要求1所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，局部特征提取支路为mobilenet卷积支路、googlenet卷积支路、densenet121卷积支路中任意一种。
9.根据权利要求7所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，将眼底彩照图像输入densenet121卷积支路，提取局部信息，得到densenet121卷积支路的输出特征；
10.根据权利要求1所述的一种用于视网膜色素变性分级的类别注意力网络构建方法，其特征在于，视网膜色素变性类别注意力网络的训练过程为：
技术总结
本发明涉及图像处理技术领域，尤其涉及一种用于视网膜色素变性分级的类别注意力网络构建方法。本发明构建视网膜色素变性类别注意力网络，所述视网膜色素变性类别注意力网络包括：两条并行分支、类别加权注意力模块与分类器；两条并行分支包括：高效自注意力Transformer支路与局部特征提取支路；将眼底彩照图像分别输入高效自注意力Transformer支路、局部特征提取支路，提取高效自注意力Transformer支路的输出特征与局部特征提取支路的输出特征并沿通道维度进行拼接，得到融合特征；融合特征通过类别加权注意力模块，对不同类别分配不同权重，得到加权后的输出特征；将加权后的输出特征通过分类器，输出视网膜色素变性分级结果。本发明使得网络更加轻量化且精度更高。
技术研发人员：朱伟芳,丁维新,陈新建
受保护的技术使用者：苏州大学
技术研发日：
技术公布日：2024/12/2
技术研发人员：朱伟芳,丁维新,陈新建
技术所有人：苏州大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除