一种基于Swin Transformer网络模型优化的脑肿瘤诊断方法

本发明针对脑肿瘤图像诊断问题，属于医学图像处理领域，公开了一种改进的脑肿瘤诊断方法。该方法通过引入Swin Transformer网络模型，特别适用于脑肿瘤核磁共振成像(MRI)的诊断。利用Swin Transformer的多层级分块自注意力机制，克服了对局部特征的过度依赖问题。然而Swin Transformer网络的参数量较大，导致计算开销较高。为此，本发明引入了稀疏令牌块(SparTa Block)，提高了信息提取的鲁棒性，并有效降低了模型的计算复杂度。传统的SoftMax分类器需要大量数据来稳定训练，并且容易过拟合。为此，本发明采用随机森林分类器，该分类器在特征空间复杂或数据量较小时表现优异。通过贝叶斯优化方法，优化了随机森林分类器的超参数，从而提升了脑肿瘤诊断的准确性和模型的鲁棒性。