基于多尺度超像素融合网络的脑CT图像分类方法

为识别病灶形态位置多变的脑CT图像特征，提出了一种基于多尺度超像素融合网络(multi-scale superpixel fusion network, MSFN)的脑CT图像分类方法。该方法基于多尺度超像素图，从图像融合和特征融合2个层面辅助卷积神经网络(convolutional neural networks, CNN)提取更具有表达性的分类特征。首先，通过多尺度超像素对脑CT图像进行病灶区域增强，获得优化的融合图像；然后，将融合图像的高层次特征和多尺度超像素低层次特征进行多层融合，从而为脑CT图像分类提供更有判别性的融合特征。实验结果表明，所提方法有效提升了脑CT图像分类性能。