基于器官专一化特征感知与区域特征增强的病变分类方法

本发明公开了一种基于器官专一化特征感知与区域特征增强的病变分类方法，主要解决现有方法会遗漏不同器官中具有显著区分性的病变特征的问题。其实现方案是：获取腹部CT影像数据集并进行器官分割、归一化、下采样的预处理，将预处理后的数据划分为训练集和测试集；构建包括器官专一化特征感知模块、区域特征增强模块、多尺度残差注意力模块及分类器的多器官病变分类模型；使用多器官病变分类训练集对病变分类模型进行迭代训练；将测试集输入到训练好的病变分类模型中，输出分类结果。本发明能针对性地提取不同器官的病变特征，并最大化地保留具有显著区分性的特征，提高腹部多器官病变分类的准确性，可用于CT图像中对人体腹部多个目标器官病变的筛查。