【医学+深度论文:F27】2019 CVPR TRk-CNN: Transferable Ranking-CNN for image classification of glaucoma

该研究介绍了2019年CVPR会议上提出的TRk-CNN模型,用于青光眼、可疑和正常眼睛的图像分类。通过使用DenseNet作为backbone并结合数据增强技术,TRk-CNN实现了92.26%的准确率(AC)、93.33%的特异性(SP)和95.12%的敏感性(SE)。其通过Ranking-CNN生成类激活图(CAMs),结合ROI提取和线性关系假设,提升了分类性能。TRk-CNN相比于multi-class CNN表现出更好的效果,适用于医学图像分类中相关性高的场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

27

2019 CVPR

TRk-CNN: Transferable Ranking-CNN for image classification of glaucoma, glaucoma suspect, and normal eyes

Method : 三分类 正常,可疑,青光眼
Dataset :
Architecture : TRk-CNN
Results : AC 92.26% SP 93.33% SE 95.12%

韩国

Method

TRk-CNN

  • backbone:DenseNet

  • data augmentation

放大缩小,随机翻转,crop

  • Primitive classification

Ranking-CNN 提取 CAMs (类激活图)

  • ROI extraction

从每个CNN 中提取的 CAM 融合到 一个ROI 中
定义了距离函数,假设类之间存在线性关系

  • Final classification

将前一个 ROI 阶段 提取得到的 ROI 与 原始图像

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值