一种基于自监督学习的多视图融合宫颈癌前病变图像分类方法

本发明涉及一种基于自监督学习的多视图融合宫颈癌前病变图像分类方法，包括：采集前列腺内窥镜切除手术的视频截图数据，并进行预处理，得到优化后的模型权重；得到优化后的第二视觉Transformer模型、第三视觉Transformer模型；将宫颈癌前病变阴道镜醋酸图片分类结果和宫颈癌前病变阴道镜碘图片分类结果进行加权融合，得到最终分类结果。本发明通过引入自监督学习方法，利用大量无标签医学图片数据，提高了ViT模型即视觉Transformer模型在宫颈癌前病变分级中的泛化能力和分类准确性；实现了对CIN分级的高效辅助诊断，特别是在医疗资源有限的地区，为自动化筛查提供了高效、低成本的解决方案，帮助医生提高诊断准确率，并降低漏诊率，为早期宫颈癌预防提供了重要技术支持。