一种基于多阶段动态协同优化的病理图像分类方法

本发明公开一种基于多阶段动态协同优化的病理图像分类方法，涉及医学图像处理领域。本发明创新性提出：一是动态语义伪包生成，解决传统伪包划分方式带来的语义混淆、父包特征分布丢失问题；二是动态稀疏图注意力专家网络，通过构建动态稀疏图结构，结合多头自注意力与专家网络，聚焦病灶特征并抑制冗余计算；三是不确定性驱动关键样本挖掘模块，利用跨多头特征融合计算类激活映射，挖掘决策边界附近的不确定样本，提升模型对早期病变的分类能力；四是动态权重协同优化策略，通过双阶段损失函数动态加权，在保证训练稳定性同时进一步挖掘模型潜力。本发明通过多阶段协同优化，有效提升分类准确率与临床诊断效率，为复杂病理分析提供了高效方法。