一种基于深度学习的医学影像图像分类方法

本发明公开了一种基于深度学习的医学影像图像分类方法，属于医学影像图像分类技术领域。该方法包括：获取待分类的医学影像图像，进行多尺度各向异性扩散滤波，得到滤波图像；对滤波图像进行形态学重建，提取连通域结构，根据连通域结构的几何矩特征构建初始图像特征空间；对初始图像特征空间进行张量分解，提取低秩张量分量作为核心特征张量；计算投影特征向量与预设分类模板库中各模板向量之间的黎曼距离，以最小距离确定初始分类结果；根据初始分类结果对应模板向量的邻域分布修正，得到最终分类结果。该方法能够降低噪声和特征冗余对分类的影响，利用流形距离和邻域分布信息获得稳定准确的分类结果。