[发明专利]一种基于多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案、系统

权利要求书

1.一种基于暹罗网络与多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案、系统，其特征在于，包括：

获取待检测的眼底图图像中不同尺寸的图像斑块,分为小尺寸(Mini块)和大尺寸斑块(Plus块)；

利用小尺寸斑块，识别斑块区域中的病变细节，从获取的所有眼底图图像块中鉴别出对分类任务做出贡献的有效图像块，并基于有效图像块和鉴别网络产生用于交叉增强的小尺寸特征权重，实现Mini块特征提取；

利用大尺寸斑块提取中间特征层进行特征拼接，以获得包含病变区域相关性的大尺寸块全局特征，实现Plus块特征提取；

将mini块特征权重与plus块全局特融合实现双方特征的交叉增强，得到最终特征表示；

将得到的最终特征表示输入至预设的分级网络，得到待诊断的糖尿病视网膜病变眼底图像的分类结果。

2.根据权利要求1所述的一种基于暹罗网络与多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案、系统，其特征在于，所述获取待检测的图像中不同尺寸的图像斑块包括：将每个待检测的图像分别划分成小尺寸像素不重叠的Mini斑块和大尺寸像素重叠的Plus图像块，其中，像素不重叠的Mini斑块应用于收集输入图像的微小细节，像素重叠的Plus图像应用收集全局病变信息相关性。

3.根据权利要求1所述的一种基于暹罗网络与多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案、系统，其特征在于，所述Mini块特征提取，包括：

识别小尺寸斑块病理细节将其迭代聚类为不同的子集；

计算有效类子集的平均预测分类准确度；选取对于分类任务最有效的有效类子集，得到有效类子集中的有效图像块；

为有效类子集中的小尺寸斑块分配对应的权重值，构建mini块特征权重。

4.根据权利要求3所述的一种基于暹罗网络与多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案、系统，其特征在于，所述识别小尺寸斑块病理细节将其迭代聚类为不同的子集是通过基于暹罗网络的迭代聚类方案完成的，所述基于暹罗网络的迭代聚类方案包括：

从获取的Mini斑块集合中随机选取一个斑块作为参考块，输入给暹罗网络的其中一个分支，集合中其他斑块被依次选取为暹罗网络的第二个输入；

通过暹罗网络得到被比较斑块的相似度分数，将输出的相似度分数进行求平均，得到的相似度平均分被作为第一次迭代分类的阈值，以此阈值将输入斑块集合聚类为两个子集；

接下来按照第一次迭代的过程递归的对进行斑块聚类，迭代的过程以分层的形式重复，直至输入斑块被聚类输出为n个子集类别。

5.根据权利要求3所述的一种基于暹罗网络与多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案、系统，其特征在于，所述计算有效类子集的平均预测分类准确度，选取对于分类任务最有效的有效类子集，包括：将所述聚类子集中的mini斑块通过Xception模型进行预测，并选择了预测平均准确度最高的部分子集作为有效类子集。

6.根据权利要求3所述的一种基于暹罗网络与多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案，其特征在于，所述为有效类子集中的小尺寸斑块分配对应的权重值，构建mini块特征权重，包括：根据所述的有效类子集的预测平均准确度，从高到底为每个子集打上标签值，根据所述标签值和平均预测准确度给特征有效类中的每个图像块构造权重值。

7.根据权利要求1所述的一种基于暹罗网络与多尺寸斑块交叉增强的糖尿病视网膜病变诊断分级方案、系统，其特征在于，所述利用大尺寸斑块提取中间特征层进行特征拼接以获得包含病变区域相关性的plus块全局特征通过预设的中间特征提取网络完成，所述中间特征提取网络由卷积层、池化层构建，卷积层后进行归一化操作，卷积层之间加入RelU激活函数。