文章目录
MedViT: A Robust Vision Transformer for Generalized Medical Image Classification
数据集划分
实验结果
A Lie group kernel learning method for medical image classification
医学图像分类是医学图像分析的基本步骤，也是计算机辅助诊断的一项重要任务。现有的分类方法被证明在传统的图像分类任务中是有效的，但当应用于具有复杂非线性变化特征的医学图像时，它们常常达到次优的性能。针对这一挑战，本文结合李群理论、核函数、SVM和KNN分类器，提出一种用于医学图像分类的李群核学习方法。该方法使用由低级特征构造的李群特征描述符表示每个图像，并根据训练图像构建 SVM 分类器。测地距离使用李群核函数计算分类枢轴和每个测试图像之间的差异，以选择 SVM 或 KNN 分类器进行分类。该方法应用于三个医学图像数据集，结果证明了该方法的有效性。