一种基于多实例学习的注意力机制在CT扫描中自动判别增强相位方法

本发明涉及医学成像技术领域，公开了一种基于多实例学习的注意力机制在CT扫描中自动判别增强相位方法，该方法从数据集中提取CT扫描图像及DICOM信息，经HU转换、截断与线性缩放后统一图像尺寸；利用直接或间接随机采样及三次插值策略获取固定数量的切片；随后采用预训练的模型提取切片特征，并通过注意力聚合形成扫描级特征向量，最终由全连接层和Softmax模块输出四类相位的预测概率；模型采用交叉熵损失与Adam优化器进行训练，通过精度、召回率、F1‑score等指标评估性能，并结合梯度反传生成热力图，实现结果的直观可视化，辅助临床判定。本发明可在真实临床环境中对CT扫描多期相进行准确、快速且可解释的分类。