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！

龙图腾网获悉齐鲁工业大学申请的专利基于多注意力与LSTM的糖尿病视网膜病变分类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：CN115471706B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211171640.X，技术领域涉及：G06V10/764；该发明授权基于多注意力与LSTM的糖尿病视网膜病变分类方法及系统是由成金勇;任志远;邹庆旭;孔令芝设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本基于多注意力与LSTM的糖尿病视网膜病变分类方法及系统在说明书摘要公布了：本发明公开了基于多注意力与LSTM的糖尿病视网膜病变分类方法及系统，属于图像分类技术领域，本发明要解决的技术问题为如何对眼底图像进行分类，提高对糖尿病视网膜病变分类的准确率，采用的技术方案为：该方法具体如下：获取并预处理数据集：对选用的数据集进行预处理得到眼底图像；通过BALNet模型进行特征提取；通过BALNet模型进行特征融合及分类：全局特征、专注于通道的眼底图像细粒度特征、专注于空间的眼底图像细粒度特征和区分分类区域特征分别通过LSTM网络处理后，进行连接和融合得到特征融合图，将特征融合图通过LSTM网络处理后，再通过softmax函数进行分类，获取糖尿病视网膜病变的五分类结果。

本发明授权基于多注意力与LSTM的糖尿病视网膜病变分类方法及系统在权利要求书中公布了：1.一种基于多注意力与LSTM的糖尿病视网膜病变分类方法，其特征在于，该方法具体如下： 获取并预处理数据集：对选用的数据集进行预处理得到眼底图像； 通过BALNet模型进行特征提取：眼底图像通过Xception网络处理得到全局特征，全局特征分别通过ECA注意力网络、ULSAM注意力网络和CAB注意力网络进行并行处理得到专注于通道的眼底图像细粒度特征、专注于空间的眼底图像细粒度特征和区分分类区域特征； 通过BALNet模型进行特征融合及分类：全局特征、专注于通道的眼底图像细粒度特征、专注于空间的眼底图像细粒度特征和区分分类区域特征分别通过LSTM网络处理后，进行连接和融合得到特征融合图，将特征融合图通过LSTM网络处理后，再通过softmax函数进行分类，获取糖尿病视网膜病变的五分类结果； 其中，通过BALNet模型进行特征融合及分类具体如下： 将backbone得到的全局特征Oout与ECA注意力网络、ULSAM注意力网络和CAB注意力网络得到的专注于通道的眼底图像细粒度特征、专注于空间的眼底图像细粒度特征和区分分类区域特征分别进行reshape重塑并通过拥有200节点的LSTM网络对专注于通道的眼底图像细粒度特征、专注于空间的眼底图像细粒度特征和区分分类区域特征进行选择提取； 同时为了学习并防止过拟合，添加一个dropout层，随机丢弃50％的特征，得到最终特征，用LS表示LSTM网络特征映射过程，公式如下： O′out＝DPLSreshapeOout； B′out＝DPLSreshapeBout； M′out＝DPLSreshapeMout； Q′out＝DPLSreshapeQout； 将得到的O′out、B′out、M′out以及Q′out四种不同特征进行concat融合,得到融合全局特征与通专注于通道的眼底图像细粒度特征、专注于空间的眼底图像细粒度特征和区分分类区域特征的融合特征； 将融合特征输入进第二个拥有200节点的LSTM网络再次对融合后的特征进行选择提取，并通过dropout层丢弃20％的特征后，采用Flatten将输入一维化进入全连接层，再通过softmax激活函数完成分类，BALNet模型的最终输出公式如下： BALout＝softmaxFlattenLSconcatO′out,B′out,M′out,Q′out。

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齐鲁工业大学，其通讯地址为：250353 山东省济南市长清区大学路3501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。