一种基于深度学习的宫颈病变分级判别方法

本发明涉及图像处理技术领域，具体涉及一种基于深度学习的宫颈病变分级判别方法，包括：采集的宫颈图像获得若干病变表征区域；分析不规则程度和边缘骤变程度，获得每个病变表征区域的反光干扰指数；划分获得每个病变表征区域中的内部闭合区域；分析管状表现情况获得血液形状弥散度；根据灰度均匀性得到血液窝积表现度；根据血液形状弥散度和血液窝积表现度，获取每个病变表征区域的血液干扰指数；构建每个病变表征区域的多维特征向量；训练深度学习模型进行宫颈病变分级判断。本发明旨在解决深度学习训练宫颈病变分级判别模型时，宫颈图像的反光和血液干扰对训练结果的误差问题，达到提高模型识别准确度的目的。