FUSECAPS：面向胶囊内窥镜图像分类的基于特征融合框架研究
图像与视频处理
2024-11-06 v1 计算机视觉与模式识别
摘要
为了提高模型准确率、泛化能力和类别不平衡问题，本工作提出了一种用于分类内窥镜图像的强有力方法。我们建议一种混合特征提取方法，将卷积神经网络（CNN）、多层感知器（MLP）和放射组学相结合。这种组合使得丰富的多尺度特征提取成为可能，能够同时捕获深度表示和手工制作表示。这些特征随后被分类头用于分类疾病，从而生成一个具有更高泛化能力和准确率的模型。在本框架中，我们在胶囊内窥镜视频帧分类任务中取得了76.2%的验证准确率。
引用
@article{arxiv.2411.02637,
title = {FUSECAPS: Investigating Feature Fusion Based Framework for Capsule Endoscopy Image Classification},
author = {Bidisha Chakraborty and Shree Mitra},
journal= {arXiv preprint arXiv:2411.02637},
year = {2024}
}