基于域预变换与LSTM神经网络的大脑肿瘤分级分类
图像与视频处理
2021-09-29 v1 计算机视觉与模式识别
摘要
图像分类方法的性能严重依赖于高质量标注，而此类标注不易获得，尤其是对于医学数据。为缓解此限制，本研究提出一种基于手工特征组合的弱监督图像分类方法。我们假设，将这些手工特征与长短期记忆（LSTM）分类器相集成，能够降低弱标签对分类精度的不利影响。我们提出的算法基于在Wavelet与离散余弦变换（DCT）域中选择数据的适当域表示。该信息随后被送入LSTM网络，以考虑数据的序列性质。所提出的高效、低维特征利用了浅层深度学习模型的威力，以更低的计算成本实现更高性能。为展示所提策略的有效性，我们实验了大脑肿瘤分级的分类，并在256 x 256分辨率下取得了当前最优（state of the art）性能。我们还进行了全面的实验集以分析各组件对性能的影响。
引用
@article{arxiv.2106.10889,
title = {Brain tumor grade classification Using LSTM Neural Networks with Domain Pre-Transforms},
author = {Maedeh Sadat Fasihi and Wasfy B. Mikhael},
journal= {arXiv preprint arXiv:2106.10889},
year = {2021}
}
备注
4 pages, 5 figures, MWSCAS2021