基于双线性注意力金字塔网络的压疮等级识别

摘要：

在实际临床应用场景下,压疮伤口等级分类较多且图像间差距小.针对使用图像识别技术对压疮图像分类难度大的问题,提出了基于双线性注意力金字塔的压疮等级识别网络BAP-CNN.该网络以细粒度分类网络APCNN为基础(细粒度指类间差距小的情况符合压疮等级分类需求),设计了瓶颈注意力模块,并且采用双线性注意力池化的方法,从而提升模型的整体性能和识别准确率.实验结果表明,在细粒度视觉分类数据集和自建压疮伤口图像SCU-PU数据集上,改进后的网络BAP-CNN与基础网络APCNN以及经典细粒度网络NTS、WSDAN相比,模型的识别率均有所提升,证明了改进方法的有效性,以及在不同数据集下良好的泛化能力.

关键词：压疮、图像识别、细粒度分类、瓶颈结构、双线性池化

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技计划项目2020YFS0298

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：197-203