一种基于扩散和Mamba融合网络的组织病理图像自动分类方法

本发明公开了一种基于扩散和Mamba融合网络的组织病理图像自动分类系统和方法，属于人工智能医学图像处理技术领域。本发明通过扩散模型逐步学习多尺度形态信息，能够有效捕捉乳腺癌组织病理图像中的细胞核形态、细胞排列和肿瘤侵袭模式等关键特征；同时，在U型架构中引入深度可分离卷积和空洞卷积的Mamba模块，进一步增强全局依赖建模能力，提升模型对长距离依赖关系的捕捉能力。还提出了一种多因子动态调控策略，在训练过程中动态调整过采样和数据增强的程度，一方面缓解数据集的类别分布不均衡问题，另一方面在加快训练速度的同时有效避免过拟合现象。本发明能够实现对乳腺癌组织病理图像的高精度分类，为乳腺癌的诊断和治疗提供有力支持。