基于多实例伪标签学习和特征挖掘的肺部CT影像分类方法

本发明涉及一种基于多实例伪标签学习与特征挖掘的肺部CT影像分类方法，包括：1、对CT影像数据进行预处理，并构建包含特征编码网络和注意力聚合网络的分类模型；2、采用自动修正的伪标签学习策略，通过不确定性估计修正实例伪标签，有效减轻噪声干扰，增强特征区分度；3、提出自适应知识蒸馏策略，通过全局与局部网络的协同训练及自适应蒸馏损失，精准挖掘关键实例特征；4、利用校正后的伪标签调制注意力图，优化实例聚合过程，形成更具代表性的包特征用于分类预测。本发明能充分挖掘肿瘤形态结构与空间异质性信息，从而能显著提升肺部CT影像分类的准确性。