全切片宫颈细胞学图像分类方法及相关装置

本发明属于图像处理技术领域，公开了一种全切片宫颈细胞学图像分类方法及相关装置，使用一个两阶段的训练策略得到一个可信的实例级分类器，并通过聚合最具信息量的实例级预测以获得包级分类结果。在第一阶段基于一个教师‑学生架构，引入损失动态加权策略，使得训练过程中正包的弱监督的影响逐步减少；并通过整合对比自监督学习获得更准确的实例特征提取器。在第二阶段引入基于不确定性的自校正策略，通过教师网络过滤掉正包中的不确定训练实例，并重新分配正包中剩余训练实例的标签，然后全监督微调学生网络，获得了更具可信度的实例级分类器。最终，基于此实例级分类器，使得全切片宫颈细胞学图像的分类性能更优越，具有更高的准确性。