基于多尺度超像素融合网络的脑CT图像分类方法 |
| |
引用本文: | 冀俊忠,张梦隆,宋晓,张晓丹.基于多尺度超像素融合网络的脑CT图像分类方法[J].中国科技论文,2022(11):1173-1180+1187. |
| |
作者姓名: | 冀俊忠 张梦隆 宋晓 张晓丹 |
| |
作者单位: | 北京工业大学信息学部 |
| |
基金项目: | 国家自然科学基金资助项目(61906007); |
| |
摘 要: | 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。
|
关 键 词: | 图像分类 脑CT图像 超像素 特征融合 |
|
|