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

作     者：刘东 邱博宇 方芳 李尚林 Liu Dong;Qiu Boyu;Fang Fang;Li Shanglin

作者机构：湘南学院软件与通信工程学院湖南郴州423300 

出 版 物：《湘南学院学报》 (Journal of Xiangnan University)

年 卷 期：2020年第41卷第2期

页      面：26-31页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：湖南省自然科学基金(2018JJ3479) 湖南省教育厅优秀青年项目(18B504,18C1025) 湘南学院大学生创新创业训练计划项目(〔2019〕50号) 

主　　题：视觉词袋模型 卷积神经网络 医学图像分类 特征表达 

摘      要：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.