基于注意力关系网络的无线胶囊内镜图像分类方法

无线胶囊内镜(WCE)技术可以检测出肠胃道异常,计算机辅助诊断WCE图像方法由于标注图像数据量少、图像类内变异度高和类间相似等原因导致效果不佳。为此,提出一种基于注意力关系网络的WCE图像多分类方法。将关系网络、注意力机制以及元学习训练策略相结合,构造基于注意力机制的嵌入模块以提取WCE图像特征,将提取后的特征进行特征映射级联后输入到关系模块,根据关系模块输出的相似性评分判断样本所属类别,采用元学习训练策略训练网络。实验结果表明,该方法的分类精度高于RelationNet、MAML等小样本分类方法,且在WCE数据集上该方法的精度高达90.28%。

基于特征融合的WCE图像检索

无线胶囊内镜(WCE)是一种新型的、具有极大市场价值的肠道疾病检测技术。该技术产生的图像数据量极大,为医生开展疾病诊断带来了困难。WCE图像快速检索技术是WCE后端智能图像分析软件的基本功能之一。本文针对WCE图像中相似图像的快速检索问题开展研究。通过对大量WCE图像本身特征的分析,提出了一种融合颜色特征与纹理特征的图像检索算法。首先分别提取图像的色调饱和度二维相关直方图以及图像的局部二值模式(LBP)纹理特征,然后采用高斯归一化的方法对不同的特征进行融合,最后采用融合特征为待检索图像建立索引,实现了输入目标WCE图像的快速准确查找。实验结果表明本文所提方法计算复杂度低和检索结果良好。