基于自适应多分辨率特征学习的CNV分型网络
Journal of Shandong University(Engineering Science)（2022）
摘要
为解决不同脉络膜新生血管(choroidal neovascularization,CNV)类型间较小区分性带来的分型难度和光学相干断层扫描(optical coherence tomography,OCT)图像中噪声对分型精度的影响,提出自适应多分辨率特征学习的CNV分型方法,其包含多分辨率特征学习和自适应特征选择模块.在多分辨率特征学习模块中,融合具有不同类型CNV细节信息的底层特征和具有语义信息的高层特征,同时引入渐进式的训练方式增强特征表示能力.在自适应特征选择模块中,通过引入注意力机制,对最后分型起关键作用的特征进行增强,进一步提升特征的区分性.在自建的CNV数据集上进行试验,试验结果表明,评价指标上的测试评分分别为91.3％、86.6％、89.2％和90.6％.提出的自适应多分辨率特征学习的CNV分型方法优于现有的其他分类方法.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要