基于高分辨率的互补注意力UNet分类器的sMRI图像分类方法

摘要

本发明涉及一种基于高分辨率的互补注意力UNet分类器的sMRI图像分类方法，其特征在于：获取一定数量的sMRI图像及其标签，对所有的sMRI图像进行预处理，形成样本集；将样本集分成训练集、验证集和测试集；构建网络模型并对其进行训练和验证，其中构建的网络模型是通过在现有Unet网络中插入特征融合网络和分类网络，设计的特征融合网络是为了给Unet网络的编码器补充语义信息并给解码器补充细节信息；分类网络的目的是能有效地融合多语义特征图，从而提高网络的表达能力并实现分类；最后通过将测试集中的待测试图像输入到最优的网络模型中，即得到待测试图像的分类结果。因此该分类方法简单且提高了分类准确率。