一种基于特征融合的深度学习图像多标记分类方法

本发明公开了一种基于特征融合的深度学习图像多标记分类方法，涉及图像多标记分类技术领域，针对医疗影像中病灶分布复杂、形态差异显著的特点，融合结构性与语义性信息提升分类精度。通过病灶掩膜计算病灶尺寸占比与空间分布离散度，引导特征处理模式与融合策略动态调整；引入病灶尺寸－处理模式映射关系表，提升特征提取的针对性；构建结合病灶分布离散度与连通域数量的权重分配函数，实现动态、细粒度的特征图融合。该方法有效增强了模型对多病灶区域信息的表达能力，提升多标记分类在复杂病灶影像中的适应性与判别性能。