基于多维注意力的窄带喉镜图像分类方法技术

本发明专利技术公开了一种基于多维注意力的窄带喉镜图像分类方法，具体包括如下步骤：步骤1，将原始的窄带喉镜图像进行预处理并建立数据集，划分为训练集和测试集；步骤2，构建基于多维注意力的窄带喉镜图像分类模型；步骤3，将步骤1中的训练集输入步骤2构建的模型中进行训练，得到用于窄带喉镜图像分类的深度学习模型。使用测试集对训练完的模型进行测试，得到模型在该测试集上的准确率。本发明专利技术实现了对窄带喉镜图像的准确分类。带喉镜图像的准确分类。带喉镜图像的准确分类。

【技术实现步骤摘要】
基于多维注意力的窄带喉镜图像分类方法


[0001]本专利技术属于图像处理
，涉及一种基于多维注意力的窄带喉镜图像分类方法。

技术介绍

[0002]喉癌作为世界上第十一大癌症，是上呼吸道常见的肿瘤之一，严重的影响了人们的生命健康。喉癌发现的时期越早，越有利于治疗。因此，喉镜图像处理技术越来越受到人们的关注，人们期望对这项技术的研究可以减轻喉癌的危害。
[0003]传统窄带喉镜图像分类通常使用人工方法进行分类，这些方法依赖于富有经验的临床医师，这限制了窄带喉镜图像在临床环境中的应用，其次，人工方法存在一定的误诊可能。深度学习在当今医学图像处理领域获得了广泛的应用，取得了良好的效果，越来越多的人使用深度学习来处理医学领域的各种问题。如使用卷积神经网络对喉镜图像分类的技术，取得了90％的准确率。
[0004]由于窄带喉镜图像中的病理特征比较细微，拍摄时晃动和光线等因素会导致图像质量参差不齐，这对窄带喉镜图像的分类带来了一定的困难。当前的模型存在分类准确率较低的问题，并未彻底的挖掘窄带图像喉镜中所包含的细微信息，导致其分类准确率较低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多维注意力的窄带喉镜图像分类方法，其特征在于：具体包括如下步骤：步骤1，将原始的窄带喉镜图像进行预处理并建立数据集，划分为训练集和测试集；步骤2，构建基于多维注意力的窄带喉镜图像分类模型；步骤3，将步骤1中的训练集输入步骤2构建的模型中进行训练，得到用于窄带喉镜图像分类的深度学习模型。2.根据权利要求1所述的基于多维注意力的窄带喉镜图像分类方法，其特征在于：所述步骤1的具体过程为：步骤1.1，从所有窄带喉镜图像中依据6:1的比例将图像分别划分为训练集和测试集；步骤1.2，分别使用中心裁切、水平翻转、锐度调节、对比度调节、随机旋转和垂直翻转六种方法对训练集进行数据扩增；步骤1.3，将测试集和扩充后的训练集，使用双线性插值法统一至相同尺寸，然后进行归一化处理。3.根据权利要求1所述的基于多维注意力的窄带喉镜图像分类方法，其特征在于：所述步骤2中，基于多维注意力的窄带喉镜图像分类模型包括卷积特征提取器、空间
‑
通道注意力模块、Vision Transformer模块及分类器。4.根据权利要求1所述的基于多维注意力的窄带喉镜图像分类方法，其特征在于：所述步骤3的具体过程为：步骤3.1，将训练集的窄带喉镜图像输入卷积特征提取器进行特征提取；步骤3.2，将步骤3.1的特征提取结果输入空间
‑
通道注意力模块进行特征提取；步骤3.3，将步骤3.2输出结果输入Vision Transformer模块进行全局的注意力建模；步骤3.4，对步骤3.3输出结果使用分类器进行分类，并输出最终分类结果。5.根据权利要求4所述的基于多维注意力的窄带喉镜图像分类方法，其特征在于：所述步骤3.1的具体过程为：步骤...

【专利技术属性】
技术研发人员：石争浩，韩博涛，尤珍臻，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：