AGGRNet：用于增强医学图像分类的选择性特征提取与聚合
计算机视觉与模式识别
2025-11-18 v1 机器学习
摘要
医学图像分析中的复杂任务（如严重程度分级和疾病亚型分类）面临着显著挑战，由于类之间复杂且相似的视觉模式、标注数据稀缺以及专家解释的差异。尽管现有的注意力基模型在捕捉医学图像分类中复杂视觉模式方面有用，但底层架构常面临在有效区分细微类别方面挑战，因为它们难以捕捉类间相似性和类内变异性，导致诊断错误。为此，我们提出了 AGGRNet 框架，从而有效地理解细粒度视觉模式并提高复杂医学图像分析任务的分类准确性。实验结果表明，我们的模型在各种医学图像数据集上实现了最先进的性能，在 Kvasir 数据集上最佳改进可达 5%。
引用
@article{arxiv.2511.12382,
title = {AGGRNet: Selective Feature Extraction and Aggregation for Enhanced Medical Image Classification},
author = {Ansh Makwe and Akansh Agrawal and Prateek Jain and Akshan Agrawal and Priyanka Bagade},
journal= {arXiv preprint arXiv:2511.12382},
year = {2025}
}