一种基于深度学习的骨质疏松分类检测方法

本发明涉及一种基于深度学习的骨质疏松分类检测方法，包括获取医学图像数据，对所述医学图像数据进行预处理以突出关键特征；对预处理后的所述医学图像数据进行数据增强操作，构建用于训练的数据集；加载预训练的视觉转换深度学习模型，将所述数据集输入进行分类训练；通过多尺度特征融合结构对所述进行优化，得到训练好的分类模型，增强对骨骼密度差异的识别能力；根据训练好的分类模型对验证数据进行分类预测，输出分类结果。本发明在模型基础上增加了多尺度特征融合模块，增强对骨骼细微密度变化的捕捉能力，并通过标准化预处理与迁移学习结合以及数据增强优化了训练效率和部署可行性，平衡效率与精度，具有良好的临床应用潜力。