基于扩散模型与YOLO超图优化的冠脉狭窄动态量化识别方法

本发明公开了一种基于扩散模型与YOLO超图优化的冠脉狭窄动态量化识别方法，针对由于血管分支细微且结构复杂，手动注释血管掩码具有挑战性且需消耗大量资源的问题，提出了一种自监督血管分割方法，即是采用基于Transformer的扩散对抗表示学习（DARL）模型进行血管分割；并针对传统的YOLO模型在特征融合方面存在局限，难以充分捕捉跨层次和跨位置的复杂特征关系，以及无法提供狭窄位置的精确信息，提出了局部增强注意力的Hyper‑YOLO算法，可有效实现血管狭窄病变识别，达到良好的识别效果。