一种基于加权原型网络的宫腔病变图像分类方法

本发明公开了一种基于加权原型网络的宫腔病变图像分类方法，包括以下步骤：1：搜集宫腔病变图像集；2：对宫腔病变图像集进行分类，并进行图像的分辨率和视野对齐；3：建立数据集；4：自适应数据增强，增加训练数据的数量；5：训练加权原型网络WPN，评估方法性能；6：将测试图像输入训练完成的WPN网络模型，计算输入图像的特征与每类原型的距离；7：输出该宫腔病变图像的类别。本发明通过深度学习方法利用宫腔病变图像生成不同类别病变图像的原型参数，在WPN网络模型训练完成后，输入宫腔病变图像能够实时的、准确的输出图像病变类别，方便了临床医生对疾病的诊断。