买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利细粒度病变特征糖尿病视网膜病变分级方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119832620B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411684633.9，技术领域涉及：G06V40/18；该发明授权细粒度病变特征糖尿病视网膜病变分级方法及系统是由谷云超设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本细粒度病变特征糖尿病视网膜病变分级方法及系统在说明书摘要公布了：本发明提出一种细粒度病变特征糖尿病视网膜病变分级方法及系统，属于图像处理领域，该方法包括：S1：将糖网眼底彩像输入高低频特征提取网络，通过块嵌入模块和高低频块的多次堆叠，实现高低频特征的同时提取，得到经过处理的特征图；S2：将特征图输入样本关系交互模块，通过Transformer的自注意力机制进行不同样本之间的信息交互，得到新的特征图，并通过最终分类器获得分级结果；S3：使用动量蒸馏学习模块对S1和S2提出的学生模型进行优化，通过指数移动平均来持续更新动量模型，然后使用动量模型生成的伪标签来训练学生模型。本发明提供的方法可提升糖网分级的效果，为疾病分级提供依据。

本发明授权细粒度病变特征糖尿病视网膜病变分级方法及系统在权利要求书中公布了：1.一种细粒度病变特征糖尿病视网膜病变分级方法，其特征在于，包括： 步骤S1：将糖网眼底彩像输入高低频特征提取网络，通过块嵌入模块和高低频块的多次堆叠，实现高低频特征的同时提取，得到经过处理的特征图，具体包括： 步骤S11：构建高低频特征提取网络，该网络由多个块嵌入模块和高低频块堆叠构成；糖网眼底彩像或特征图首先经过所述块嵌入模块，通过卷积操作进行特征处理与降采样，得到降采样后的特征图，其中，、C分别代表特征图的像素点数以及通道数； 步骤S12：对特征图应用层归一化处理，得到归一化后的特征图，接着将进行通道划分，分为和，分别输入由高频混合器和低频混合器构成的高低频块，其中， 步骤S13：将输入高频混合器，所述高频混合器由最大池化操作和深度卷积操作组成，所述高频混合器将分为经过一个最大池化层和线性层的处理，经过一个线性层和一个深度卷积层的处理，公式1~2如下所示： 1 2 其中，DwConv代表深度卷积操作，表示高频混合器的输出； 步骤S14：将输入低频混合器，所述低频混合器首先采用池化策略减小低频特征图的尺寸，然后使用多头自注意力机制进行特征处理，最后进行上采样，将特征图恢复到原始尺寸，如公式3所示： 3 其中，表示平均池化操作，表示多头自注意力机制，表示上采样； 步骤S15：将高频混合器和低频混合器的输出在通道维度进行堆叠，并使用深度卷积实现图像块之间的信息交换，公式4~5如下所示： 4 5 步骤S16：将特征图经过一个空间维度上的全局平均池化，得到注意力特征图，经过全连接层和Sigmoid操作后将值映射到[0,1]，最后将其与原特征图相乘获得新的特征图； 步骤S17：将特征图与特征图相加获得特征图，用于促进模型快速收敛； 步骤S18：特征图在经过层归一化处理后被送入前置反馈层，将新获得的特征图与特征图相加，获得特征图； 步骤S19：重复步骤S11~S18，形成多个所述块嵌入模块和所述高低频块堆叠的结构，以确保所述高低频特征提取网络充分学习并优化其性能； 步骤S2：将特征图输入样本关系交互模块，使用Transformer的自注意力机制进行不同样本之间的信息交互，通过从不同的虚拟样本中获取梯度，使尾部类别能够得到更充分的训练，得到新的特征图，并通过最终分类器获得分级结果，具体包括： 步骤S21：将输入样本交互模块，首先被转置，将Transformer层中的自注意力机制应用于所述样本交互模块，实现了不同样本之间的交叉关注，从而获得特征图； 步骤S22：利用辅助分类器和最终分类器共同对进行细致的分类处理，通过全连接层对特征进行深入分析，然后应用Softmax函数进行概率分布的计算，并最终通过argmax操作确定具有最高概率的类别，从而得到最终糖尿病视网膜病变的分级结果； 步骤S3：将所述高低频特征提取网络和所述样本关系交互模块作为学生模型，使用基于动量蒸馏的表征学习方法对所述学生模型进行优化，通过指数移动平均来持续更新动量模型，然后使用动量模型生成的伪标签来训练所述学生模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。