MIAFEx：一种基于注意力的医学图像分类特征提取方法
计算机视觉与模式识别
2025-10-01 v3 机器学习
摘要
特征提取技术在医学图像分类中至关重要；然而，经典特征提取器除了传统机器学习分类器外，往往在提供复杂图像集的充足判别信息方面存在显著局限。虽然卷积神经网络（CNN）和视觉转换器（ViT）在特征提取方面显示出前景，但它们容易因医学影像数据的内在特征而过拟合，包括小样本量或类内方差较大。本文提出了医学图像注意力特征提取器（Medical Image Attention-based Feature Extractor, MIAFEx），一种新方法，采用可学习的细化机制来增强Transformer编码器中分类标记的特征。该机制根据学习权重调整标记，从而提高显著特征的提取，并增强模型对医学影像数据所呈现挑战的适应性。将MIAFEx的输出特征质量与经典特征提取器进行比较，使用传统和混合分类器。此外，这些特征的性能也与现代CNN和ViT模型在分类任务中进行比较，展示了其在多个复杂医学影像数据集上的准确性和鲁棒性优势。这一优势在训练数据有限的场景中尤为突出，传统和现代模型在此类情境下往往难以有效泛化。本提案的源代码可在 https://github.com/Oscar-RamosS/Medical-Image-Attention-based-Feature-Extractor-MIAFEx 查看。
引用
@article{arxiv.2501.08562,
title = {MIAFEx: An Attention-based Feature Extraction Method for Medical Image Classification},
author = {Oscar Ramos-Soto and Jorge Ramos-Frutos and Ezequiel Perez-Zarate and Diego Oliva and Sandra E. Balderas-Mata},
journal= {arXiv preprint arXiv:2501.08562},
year = {2025}
}
备注
This is the preprint version of an article that has been accepted for publication in Knowledge-Based Systems