典型文献
基于多尺度超像素融合网络的脑CT图像分类方法
文献摘要：
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 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.
文献关键词：
图像分类;脑CT图像;超像素;特征融合
中图分类号：
作者姓名：
冀俊忠;张梦隆;宋晓;张晓丹
作者机构：
北京工业大学信息学部,北京 100124
文献出处：
引用格式：
[1]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
A类：
superpixel,MSFN
B类：
超像素,融合网络,图像分类,分类方法,病灶形态,图像特征,multi,scale,fusion,素图,图像融合,特征融合,conv,olutional,neural,networks,分类特征,融合图像,层次特征,低层次,判别性,融合特征,分类性能
AB值：
0.346439
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
