计算机工程与科学

作者：梁礼明, 钟奕, 康婷, 金家新

单位：（江西理工大学电气工程与自动化学院，江西 赣州 341000）

关键词：视网膜病变分级,动态空间注意力,轮廓增强模块,多级门控融合模块,

基金：国家自然科学基金(51365017，61463018)；江西省自然科学基金(20192BAB205084)；江西省教育厅科学技术研究青年项目(GJJ2200848)

针对糖尿病视网膜病变图像存在误分级和病灶边缘信息关注较少的问题，提出一种动态空间Transformer与多级融合视网膜病变分级算法。该算法首先将视网膜图像经PVT v2主干网络实现对病灶信息的初步提取；其次在网络前3层引入轮廓增强模块，凸显病灶边缘特征，提高算法对病灶像素的定位感知能力；再次在网络底层设计动态空间注意力模块，有效联系全局和局部空间信息，以提升算法挖掘深层语义信息的能力；最后构建多级门控融合模块，实现非诊断信息的滤除，同时对可诊断信息进行多级融合，进一步提高视网膜病变分级准确率。在IDRID和APTOS 2019数据集上进行实验验证，其二次加权系数分别为91.71%和89.89%，IDRID数据集上准确率和APTOS 2019数据集ROC曲线下方面积的占比分别为79.61%和93.06%。实验结果表明，所提出算法在视网膜病变分级领域具有一定应用价值。

来源：2025年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第8期