典型文献
多尺度特征融合网络的视网膜OCT图像分类
文献摘要：
目前基于深度学习的视网膜OCT图像分类方法存在网络特征提取能力低、小目标病变分类困难等问题.为此本文提出了一种双分支多尺度特征融合网络,通过加入门控注意力机制,利用深层特征作为选通信号传递给浅层特征,在消除冗余特征的同时,获得更细尺度的抽象信息.同时加入空洞空间金字塔模块,实现在不降低特征图分辨率的同时增大感受野,按不同比例有效捕获全局上下文信息,提高了小目标病变分类精度.实验结果表明,本文提出的方法在视网膜OCT图像分类任务中取得了较好效果,分类准确率达97.9％.
文献关键词：
视网膜;光学相干断层扫描;注意力机制;空间空洞金字塔;神经网络;图像分类;深度学习;医学图像
中图分类号：
作者姓名：
韩璐;毕晓君
作者机构：
哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 150001;中央民族大学 信息工程学院,北京100081
文献出处：
引用格式：
[1]韩璐;毕晓君-.多尺度特征融合网络的视网膜OCT图像分类)[J].智能系统学报,2022(02):360-367
A类：
空间空洞金字塔
B类：
多尺度特征融合,特征融合网络,视网膜,OCT,图像分类,分类方法,网络特征,特征提取能力,小目标,双分支,入门,门控,注意力机制,深层特征,信号传递,递给,冗余特征,抽象信息,空间金字塔模块,不降,特征图,感受野,全局上下文信息,分类精度,分类任务,分类准确率,光学相干断层扫描,医学图像
AB值：
0.313444
相似文献
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。
