典型文献
多模态医疗图像分类
文献摘要：
在疾病诊断过程当中通常会生成各种各样的医疗图像,利用计算机综合考虑来自不同模态的医疗图像来辅助诊断成了一个热门的研究方向.本方法利用深度神经网络获取不同模态的医疗图像的特征,通过设计损失函数的正则化项,使得这些特征在共同语义空间上保持结构上的相似性,来让网络学习到更加鲁棒的特征.本方法在CPM-RadPath2020和CheXpert这两个数据集上取得比一般方法更高的准确率,表明了其在多模态医疗图像分类问题上的有效性.
文献关键词：
多模态融合;医疗图像;神经网络;深度学习
中图分类号：
作者姓名：
马伟镇;何良华
作者机构：
同济大学电子与信息工程学院,上海201804
文献出处：
引用格式：
[1]马伟镇;何良华-.多模态医疗图像分类)[J].电脑知识与技术,2022(03):75-77
A类：
RadPath2020,CheXpert
B类：
医疗图像,图像分类,疾病诊断,诊断过程,各种各样,利用计算机,辅助诊断,断成,法利,深度神经网络,损失函数,正则化,共同语,语义空间,网络学习,CPM,一般方法,分类问题,多模态融合
AB值：
0.341758
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。
