应用于医学图像分类的深度聚类网络  

Deep Clustering Network Applied to Medical Image Classification

作　　者：余阳 YU Yang(College of Electronic and Computer Engineering,Fujian Polytechnic of Water Conservancy and Electric Power,Sanming,China,366000)

机构地区：[1]福建水利电力职业技术学院信息工程学院,福建三明366000

出　　处：《福建电脑》2025年第2期40-44,共5页Journal of Fujian Computer

基　　金：福建水利电力职业技术学院2024年度校级科研项目(No.YJKJ2416B)资助。

摘　　要：传统的监督学习方法在对医学图像进行分类时,存在带有标签的数据量不足的问题。为此,本文提出一种医学图像深度聚类网络,通过采用深度聚类算法以及带有多头注意力机制的自编码器进行无监督学习,以最大化不同类别图像之间的分离度。在对乳腺超声图像分类的实验中,本文的方法相较于深度聚类方法,展现了更好的聚类性能。Traditional supervised learning methods have the problem of insufficient labeled data when classifying medical images.To this end,this article proposes a medical image deep clustering network that maximizes the separation between different categories of images through unsupervised learning using deep clustering algorithms and autoencoders with multi head attention mechanisms.In the experiment of classifying breast ultrasound images,our method demonstrated better clustering performance compared to deep clustering methods.

关 键 词：乳腺超声图像 深度聚类 医学图像分类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]