一种基于深度学习的糖尿病视网膜病变图像分类方法和系统

本发明提出了一种基于深度学习的糖尿病视网膜病变图像分类方法和系统，方法包括：筛选合格的图像数据；构建动态自适应特征提取网络，获得含时空特征的多尺度特征图；基于多尺度特征图实施跨维度特征融合，构建异构图结构融合多模态特征，得到融合时空‑通道‑模态信息的特征表示；基于该特征表示执行不确定性感知分类，通过双头分类结构输出类别概率和Dirichlet证据参数，结合复合损失函数，超预设阈值时触发主动学习机制，得到病变分类结果及可信度评估。本发明从数据质量、特征表达、多模态融合、不确定性建模四方面协同优化，提升糖尿病视网膜病变分类准确性。