一种基于自监督预训练的无监督小样本宫颈细胞分类方法

本发明公开了一种基于自监督预训练的无监督小样本宫颈细胞分类方法，属于数字图像处理与医学交叉技术领域。所述方法通过自监督预训练技术为特征提取网络提供良好的初始参数，随后，在无监督小样本学习阶段，基于两种不同数据增强技术生成支持集和查询集样本，构建大量小样本分类任务微调特征提取网络；最后，提出分布偏移损失函数，在训练过程中逐渐扩大支持集和查询集的分布差异，增加小样本分类任务的难度，从而提高算法的分类准确度；相对于现有宫颈细胞分类方法，本申请方案极大的降低了数据的收集和标注成本，提高了分类精度，且有效减少了病理医生对宫颈细胞分类的工作强度。