10.3969/j.issn.2095-2783.2022.11.001
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 net-work,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(conv-olutional 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.
图像分类、脑CT图像、超像素、特征融合
17
TP391(计算技术、计算机技术)
国家自然科学基金;北京市教育委员会科学研究计划项目;北京市教育委员会科学研究计划项目
2022-12-06（万方平台首次上网日期，不代表论文的发表时间）
共9页
1173-1180,1187
