一种基于两阶段图卷积Mamba网络的虚症患者舌象识别方法

本发明提出了一种基于两阶段图卷积Mamba网络的虚症患者舌象识别方法，步骤为：采用SLIC算法对舌象图像进行超像素分割，将舌象图像划分为B个子图；通过两阶段的图卷积层与DSFR模块进行子图内光谱和空间特征的局部聚合与增强，获取增强的节点特征矩阵；通过RAPE模块获取每个子图的绝对位置信息并与增强的节点特征矩阵进行融合获取子图的特征嵌入序列；并以子图的特征嵌入序列为输入，基于Mamba网络进行全局空间特征学习，获取模型输出特征图；通过MLP对舌象类别进行类别映射，获取舌象识别结果。本发明提高了在复杂环境下的分类精度，避免了多分支模型的高计算复杂度和信息冗余问题。