一种基于混合CNN-ViT架构的宫颈组织病理图像分类方法

本发明公开了一种基于混合CNN‑ViT架构的宫颈组织病理图像分类方法，涉及计算机视觉和深度学习技术领域。本发明首先在结合CNN和ViT架构的基础上，针对现有方法在特征提取、分类性能和模型适应性上的不足，提出了线性角度交叉协方差自注意力模块(LACCSA)和新型激活函数ExpReLU；LACCSA模块结合交叉协方差注意力和线性角度相似性，有效捕捉全局特征之间的动态关系，能够区分类别间的细微差异，并提取类内的共同特征，显著提升复杂病理图像分类的精度；ExpReLU激活函数通过增强非线性表达能力，减小数据分布偏移对模型性能的影响，同时优化了计算效率；结合CNN的局部特征提取能力和ViT的全局特征捕捉能力，本发明在细节表达和全局关系建模方面实现了良好平衡。