基于改进SG-Former的糖尿病视网膜病变分级方法

本发明计算机视觉领域以及医疗技术领域，尤其涉及一种基于改进SG‑Former的糖尿病视网膜病变分级方法，解决了现有糖尿病视网膜病变分级方法过于依赖个人经验和主观判断，而且分级准确度低的技术问题，其包括数据获取，数据处理，基于SG‑Former网络进行模型搭建，其一利用Group‑Focal模块改进SG‑Former网络的混合注意力机制，其二在SG‑Former网络的每个阶段之间引入通道自适应注意力模块，其三将最后一个阶段的Transformer替换为Swin‑Transformer模块，以搭建深度学习模型；利用深度学习模型对测试集实现糖尿病视网膜病变的自动分级。本发明所述方法对FFA图像的分级准确度高，能为医生提供可靠的临床辅助决策的影像学支持。