تشخيص مرض الشبكية المرئية لمرض السكري بناءً على طريقة تكيف العمق التعلم المجالي. يتكون نموذج نقل الانتباه المجالي للميكروبوليسات المجالية المقترح في هذه المقالة من وحدتي نموذج رؤية المرض المعروضة لتوليد صور متعددة ومتنوعة ومحتملة لمرض الشبكية المرئية لمرض السكري وذلك لتعزيز تعلم النموذج لخصائص أكثر شمولية لميدان الهدف. بعد ذلك، صمم النموذج وحدة تكامل انتباه متعدد المصادر بدون مصدر من بينها لتحقيق دمج انتباه مجموعة من النماذج المدربة مسبقًا في مصادر متعددة دون الحاجة إلى الوصول إلى بيانات المصدر. بالتالي، حققت النتائج التجريبية دقة بلغت 90.66% ودقة بلغت 87.47% وحساسية بنسبة 85.41% وتمييز بنسبة 91.63% ونقطة F1 بنسبة 86.42% في مهمة تشخيص الشبكية المرئية لمرض السكري المحول. في الوقت نفسه، تم تحقيق دقة بنسبة 96.75% ودقة بنسبة 99.23% وحساسية بنسبة 90.47% وتمييز بنسبة 99.27% ونقطة F1 بنسبة 94.65% في مهمة التعرف على الشبكية المرئية العادية / غير الطبيعية. يمكن للنموذج تشخيص مرض الشبكية المرئية بفعالية في حال عدم الوصول إلى بيانات المصدر وفي حالة عدم تسمية عينات الميدان المستهدف.

Diabetic retinopathy;deep learning;source-free multi-domain adaptive;diffusion-enhanced domain-attention transfer learning