一种基于自适应融合网络的卵巢癌图像深度分析方法

本发明属于卵巢癌图像研究与分析技术领域，具体涉及一种基于自适应融合网络的卵巢癌图像深度分析方法，包括随机水平翻转、颜色抖动、随机裁剪与擦除，实现了训练数据的多样化，从而提高了模型的泛化能力；通过层次化特征提取机制，引入卷积神经网络(CNN)与视觉变换器(ViT)两种模型，分别捕捉图像的低级细节特征与高级语义特征；通过特征自适应融合方法，能够根据任务需求动态调整CNN与ViT的权重，将低级与高级特征动态融合，使模型能够全面学习图像的局部细节和全局结构信息；引入Focal Loss和Dice Loss结合的损失函数Balanced Dice Loss，调整了难易样本的权重，解决了数据类别不平衡和模型在微小区域预测困难问题，从而实现更准确的卵巢癌图像分类。