一种基于类别相关性的医学图像分类样本加权方法

本发明涉及一种基于类别相关性的医学图像分类样本加权方法，属于医学图像分类技术领域。首先，在样本特征空间和标签空间中引入类内和类间相关信息，提取样本的一致性和判别性信息。然后，采用一种新的样本加权网络，该网络由权重测量网络和权重聚合网络组成，动态探索类别相关性以学习样本权重。通过使用元学习方法交替更新分类器和样本加权网络，促进权重自适应调整。本方法在不同成像模式的医学图像分类任务上的预测准确率具有明显提升，能够聚焦于医学图像中的信息区域学习，与临床医生诊断标准一致。本方法对嘈杂标签的医学图像分类任务具有鲁棒性，预测性能显著提升。