首页期刊导航|中国图象图形学报
期刊信息/Journal information
中国图象图形学报
中国图象图形学报

李小文

月刊

1006-8961

jig@irsa.ac.cn

010-64807995 8261442

100101

北京9718信箱

中国图象图形学报/Journal Journal of Image and GraphicsCSCD北大核心CSTPCD
查看更多>>本刊是集计算机图象图形高科技理论与应用研究成果、成果产品化与商情动态于一体的综合性学术期刊。是核心期刊、权威性杂志。作为中国图象图形学学会的会刊，利用学会在国内外广泛的科技信息渠道、全方位多层面的学科交叉应用，积极向产业界宣传科技成果，热心向科技界推荐最新产品。
正式出版
收录年代

    自监督提取光谱序列和语义信息的胆管癌显微高光谱图像分类

    胡非易张辉袁小芳刘嘉轩...
    3817-3832页
    查看更多>>摘要：目的 病理切片的显微高光谱图像包含生物组织反射的光谱信息，为胆管癌组织细胞的分类诊断提供基础。目前病理高光谱图像分类算法的性能大多依赖于高质量标注数据集，然而数据标注过程耗时、费力。基于自监督的特征提取算法可以缓解数据标注难题。因此，本文提出了自监督提取光谱序列和语义信息的胆管癌显微高光谱图像分类方法，提升自监督方法的特征提取能力及分类精度。方法 首先，从自然语言处理中借鉴了具有序列信息建模能力的Transformer架构，将高光谱图像每个像素反射的光谱曲线看做一个光谱序列，设计Transformer自编码器，通过位置嵌入和注意力模块有效关注光谱序列间的差异，从而更好地学习到光谱序列信息。其次，图像经Transformer编码器结构图像增强得到正样本后，设计卷积自编码器作为另一组图像增强，获取对比学习需要的负样本。随后通过新颖的原型对比学习网络捕获图像中的高级语义信息，网络提取特征的过程使用未标记数据。最后，通过少量标记数据微调下游分类任务网络得到分类结果。结果 在多维胆管癌病理高光谱数据集的8个场景上进行实验，结果表明，与现有7种有监督的特征提取方法和5种无监督的特征提取算法相比，本文方法提取的特征在下游分类任务中能达到更高的分类精度，平均总体分类精度达到96。63％。结论 本文方法能从未标记的胆管癌显微高光谱图像中提取有效特征，特征应用于分类任务中达到较高的分类精度，缓解了病理高光谱图像数据标注难题，对胆管癌的医学诊断具有一定的研究价值和现实意义。

    癌症分类高光谱图像深度学习自监督学习图像增强

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《中国图象图形学报》2024年第29卷总目次

    后插1-后插16页
      原文链接:
    • NETL
    • NSTL
    • 万方数据