多标签医学图像分类方法

本发明公开了一种多标签医学图像分类方法，属于医学影像技术领域，解决了现有基于CNN的多标签医学图像分类方法存在分类准确率不高的问题。本发明将训练图像集合中的图像数据与特征集合中的临床风险数据结合，并通过单变量决策树模型从单个标签中选择重要性排序靠前的特征以构成top‑N特征集合，然后输入至MedFusionNet模型中，从而扩展了MedFusionNet模型的多模式学习，能够更丰富地表示输入特征，有效地解决了标签依赖性、数据不平衡和模态集成的挑战，同时增强了可解释性和预测能力，提高了分类准确率。