基于有限标记样本的脑膜瘤分析与诊断
计算机视觉与模式识别
2026-02-17 v1
摘要
脑膜瘤的生物学行为和治疗反应取决于其分级，这对于治疗计划和预后评估至关重要。我们观察到，空间-频率域特征的加权融合对脑膜瘤分类性能具有显著影响。值得注意的是，通过离散小波变换获得的特定频段在不同图像中的贡献差异很大。我们提出了一种基于自适应权重融合不同频段信息和空间域信息的特征融合架构，用于少样本脑膜瘤学习。为验证所提方法的有效性，引入了一个新的脑膜瘤 MRI 数据集。实验结果表明，所提方法在三个数据集上优于现有研究生态方法。代码将在：https://github.com/ICL-SUST/AMSF-Net 提供。
引用
@article{arxiv.2602.13335,
title = {Meningioma Analysis and Diagnosis using Limited Labeled Samples},
author = {Jiamiao Lu and Wei Wu and Ke Gao and Ping Mao and Weichuan Zhang and Tuo Wang and Lingkun Ma and Jiapan Guo and Zanyi Wu and Yuqing Hu and Changming Sun},
journal= {arXiv preprint arXiv:2602.13335},
year = {2026}
}
备注
19 pages,7 figures