结合深度和手工视觉特征对生物医学文献中的医学图像进行分类

从生物医学文献中对医学图像和插图进行分类对于自动化文献检索,检索和挖掘非常重要。尽管深度学习对于大规模图像分类是有效的,但由于只有很小的一部分,它可能不是此任务的最佳选择训练数据集。 我们提出了一种基于深度和手工视觉特征(CDHVF)的组合算法,该算法以联合方式使用了由三个微调和预训练的深度卷积神经网络(DCNN)和两个手工描述符所学习的特征。 我们在ImageCLEF 2016子图分类数据集上评估了CDHVF算法,其准确度为85.47%,高于挑战排行榜中列出的其他纯视觉方法的最佳性能。 我们的结果表明,手工制作的功能补充了DCNN在小型训练数据集上学习到的图像表示,并提高了某些医学图像分类问题的准确性。