一种基于GNN和CNN双向结合的CT图像分类模型构建方法

本发明涉及医学图像分类技术领域，具体的说是一种基于GNN和CNN双向结合的CT图像分类模型构建方法，包括以下步骤：步骤1，CT图像数据集划分合适比例的训练集和验证集，根据数据集大小调整训练集和验证集比例，保证各标签的数据量大致相同；步骤2，CNN模型输入预权重，将步骤1的训练集预处理后输入模型提取图像特征；本发明提出了一种CT图像的分类模型，该模型采用将GNN与CNN进行融合的方法，利用GNN对特征信息和结构信息的学习能力，对CNN处理CT图像进行半监督，提高CNN对CT图像的学习和分类效果，也可利用CNN对图像数据特征提取的优良表现，改进GNN面对欧几里得数据的不佳表现。