基于空间共生词袋模型与卷积神经网络的医学影像分类方法

发布时间：2023-01-29 20:03

　　医学图像分类技术对于医学辅助诊断具有重要的意义.相比较于自然图像分类,医学图像分类更注重于局部内容之间的细微差别与局部空间关系信息,而目前流行的视觉词袋模型忽视了空间关系信息,深度学习方法则缺少语义特性.因此,本文提出一种新的空间共生词袋模型来刻画医学图像视觉单词之间的局部空间关系模式,并进一步与卷积神经网络特征融合,用于医学图像分类.实验结果表明,所提方法能够有效地挖掘医学图像的本质特征,取得高于目前流行方法的分类性能. 

【文章页数】：6 页

【文章目录】：
1 空间共生视觉词袋模型
    1.1 经典视觉词袋模型
    1.2 空间共生词袋模型
2 多层次特征融合
    2.1 卷积神经网络模型
    2.2 空间共生词袋特征与深度特征融合
3 实验结果与分析
    3.1 实验数据与设置
    3.2 实验评估
    3.3 方法对比
4 结论



本文编号：3732832