轻量高精度
IDC-Net 集成了 CNN 与 CapsNet 的优势，在乳腺超声图像 BI-RADS 4a-4c 分类中实现了最高准确率 98.54%。
易三莉 · Chen, Ziyan · 佘芙蓉 · Wang, Tianwei · 杨雪莲 · Dong, Chen · Luo, Xiaomao
Pattern Recognition 2024
ID-Net 负责提取充足的局部语义信息，CapsNet 学习图像全局特征间的位置与姿态信息，弥补 CNN 的缺陷，两条路径并行融合增强特征提取能力。
模型在保证足够深度和宽度的同时保持轻量，最终取得 98.54% 的最高准确率，硬件要求低，便于部署到实际设备。
在云南肿瘤医院私有数据集和两个公共数据集上，与五种现有方法对比，IDC-Net 获得最高的准确率、精确率和 F1 分数。