基于扩散模型的糖尿病视网膜病变检测算法

本发明创新性地将去噪扩散模型TCG‑DiffDRC专门应用于糖尿病视网膜病变的分类。该模型设计了一种三重条件引导策略，通过三个独立的分支实现对病灶特征的深度挖掘，其中全局特征分支利用改进的ResNet网络提取图像的整体特征，并通过类激活图CAM生成全局描述符，病变细节分支基于可解释的神经变换器(INTR)模型，通过Transformer的多头注意力机制提取病变的细微特征。随后将提取的特征送入扩散模型进行训练，逐步精细化图像的重建，最终实现对糖尿病视网膜病变的高效分类。实验结果在具有挑战性的APTOS2019数据集上的表现证明了TCG‑DiffDRC模型的优越性，其准确率达到86.3％，Kappa值达到75.8％，证实了TCG‑DiffDRC模型在医学图像分类任务中的有效性，优于当前最先进的方法。