一种基于多特征提取与选择的烧伤图像深度智能分类方法

本发明提供了一种基于多特征提取与选择的烧伤图像深度智能分类方法，涉及计算机视觉技术领域，本方法先并行部署改进的ResNet‑50网络Burn‑ResNet51与预训练ViT‑Base‑16，分别提取烧伤图像的局部纹理细节及全局上下文信息；通过系统性评估ViT全部12层编码器输出，遴选对二分类、三分类任务最具判别力的中间层特征，突破“黑盒”式仅用末层惯例。随后将双分支深度特征拼接成高维向量，并基于随机森林OOB permutation importance进行自适应选择。最终采用级联集成学习框架：以随机森林初步概率评估，再结合经粒子群优化支持向量机或XGBoost进行二次阈值决策，分别针对三分类和二分类任务实现精细化判别；引入Grad‑CAM对关注区域可视化，确保模型可解释性。