FPDANet：用于孕妇超声图像智能筛查的多分类模型
图像与视频处理
2025-06-09 v1 人工智能
计算机视觉与模式识别
摘要
ResNet 因其能够建模恒等映射的线性计算残差依赖而在图像分类任务中广泛使用。然而，ResNet 采用单向特征传递，缺乏有效方法来关联上下文信息，在孕妇超声图像分类任务中效果不佳；同时，孕妇超声图像存在对比度低、相似性高、噪声高等问题。因此，我们提出一种基于双侧多尺度信息融合网络的 FPDANet 以解决上述挑战。具体而言，我们设计了位置注意力机制(DAN)模块，利用特征相似性建立不同空间位置特征之间的依赖关系并增强特征表示。此外，我们设计了双侧多尺度(FPAN)信息融合模块以捕获不同特征尺度上的上下文和全局特征依赖，从而进一步提升模型的表示能力。FPDANet 在分类任务中获得了 91.05% 和 100% 的 Top-1 和 Top-5 指标，实验结果证明了 FPDANet 的有效性和鲁棒性。
引用
@article{arxiv.2506.06054,
title = {FPDANet: A Multi-Section Classification Model for Intelligent Screening of Fetal Ultrasound},
author = {Minglang Chen and Jie He and Caixu Xu and Bocheng Liang and Shengli Li and Guannan He and Xiongjie Tao},
journal= {arXiv preprint arXiv:2506.06054},
year = {2025}
}