摘要
本发明公开了一种基于CNN与Transformer的糖尿病视网膜病变分级方法,包括以下步骤:导入原始图像数据集,将原始图像数据集划分为图像训练集和图像测试集;将图像训练集中的各个原始图像等分成若干个图像块,并生成不同粒度版本的打乱图像;通过残差网络和Swin‑Transformer建立糖尿病视网膜病变分级网络,采用渐进式策略训练糖尿病视网膜病变分级网络,得到串联阶段输出的多尺度多粒度的特征谱;定义分类损失函数和加权卡帕损失函数,并根据分类损失函数和加权卡帕损失函数构建损失层;利用图像训练集优化糖尿病视网膜病变分级网络;利用测试样本集对糖尿病视网膜病变分级网络进行测试。本发明能实现更准确的糖尿病视网膜病变分级,同时获得类别监督信息和有序监督信息。