声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：37-1391/T
国际刊号：1672-3961
发布日期:
作者：许传臻,袭肖明,李维翠,孙仪,杨璐
单位：1.山东建筑大学计算机科学与技术学院, 山东 济南 250101;2. 山东省科学技术情报研究院, 山东 济南 250101;3. 山东建筑大学建筑城规学院, 山东 济南 250101
关键词：CNV分型,自适应多分辨率特征学习,光学相干断层扫描图像,自适应特征选择,多分辨率特征学习,
基金：山东省自然科学基金重大基础研究资助项目(ZR2021ZD15);山东省高等学校青创科技支撑计划创新团队(2021KJ036)
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。
来源：2022年第4期
《山东大学学报(工学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。