轮廓处理注意力机制

医学图像分类精度显著提升

通过强调目标区域的轮廓和位置信息来提升残差网络的分类性能，仅需对输入图像进行简单的预处理即可集成到现有模型中。

贾永楠 · Yuhang, Jiao

Computers in Biology and Medicine 2025

参数信息

分类准确率提升

0.0368

F1分数提升

0.0413

Kappa分数提升

0.0821

技术优势

只加预处理

无需修改现有残差网络结构，仅对输入图像进行简单的灰度化、二值化和形态学操作即可。

能跨任务

模型不仅适用于医学图像分类，还可用于遥感、城市景观分析和交通车辆图像分类等任务。

应用场景

• 医学图像辅助诊断：可嵌入医生工作流，辅助提升诊断准确率。
• 手术机器人视觉：帮助手术机器人更准确地识别目标组织轮廓。
• 遥感图像分析：可迁移用于遥感图像的地物分类。
• 工业质检：可用于工业场景下基于轮廓的缺陷检测。