基于WGAN-GP融合CNN-Transformer混合架构的口腔医学图像分类方法

本发明公开了一种基于WGAN‑GP融合CNN‑Transformer混合架构的口腔医学图像分类方法，包括：1、对数据集进行预处理；2、搭建基于生成对抗网络的口腔医学图像生成网络；3、搭建CNN‑Transformer双流协同的深度神经图像分类网络；4、构建深度神经图像分类网络的交叉熵损失函数，5、通过Adam优化算法对深度神经图像分类网络进行训练分类网络，持续优化直至交叉熵损失函数收敛为止。本发明能对口腔医学图像包含牙齿、牙龈、口腔黏膜及颌骨等解剖结构进行精准识别，根据其局部细节丰富、全局结构相关性强、对比度变化大，开发出了适配来源于智能手机设备的口腔医学图像的分类模型，从而能提升分类模型在口腔医学图像上的准确性，泛化能力和鲁棒性。