基于融合深度学习和自然启发的颅内出血识别方法及系统

本发明公开了一种基于融合深度学习和自然启发的颅内出血识别方法该方法包括：接收CT图像并完成降噪；采用基于多级阈值分割方法Otsu的海鸥优化算法SOA进行颅内出血区域的分割；分别采用胶囊网络CapsNet和效率网络EfficientNet提取影像特征以生成对应的多维特征向量，并生成最终特征向量；调用模糊支持向量机模型FSVM对每个最终特征向量分配模糊成员资格，进而实现对每个最终特征向量所对应的区域图像进行不同类别的颅内出血的分类。该方法通过自动化的降噪、分割、特征提取与分类过程，不仅提高了颅内出血的诊断精度和鲁棒性，还通过熵值优化特征筛选，降低了计算复杂度，提升了处理效率，具有较强的临床应用潜力。