基于深度迁移学习的医学图像分类模型的训练方法及系统

本发明公开了一种基于深度迁移学习的医学图像分类模型的训练方法及系统，本发明涉及医学分类技术领域。包括以下步骤：获取已知特征信息的肠道医学图像及其环境参数，并进行图像预处理以生成训练数据集。特征信息包括纹理熵、边缘轮廓、色彩对比度、形状面积和圆形度。对环境参数进行归一化和滑动窗口滤波，以构建湿度、光照和振动影响函数。接着，建立第一分类模型和第二分类模型，通过深度迁移学习进行预训练，并基于环境影响参数动态调整学习率。最终，将待识别的肠道医学图像及其环境参数输入训练模型，得到对应的图像类型和病灶类型，提升了医学图像分析的自动化水平，还有助于辅助医生进行更为科学和精准的诊断。