.png){kind=icon}
返回
A deep dictionary clustering approach for unsupervised image retrieval using convolutional sparse coding
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-32982-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
医学影像库由于成像技术的广泛应用而迅速增长，使得人工标注变得不可行。高效图像检索系统对于疾病诊断、治疗方案制定和医学研究至关重要。本文提出了一种名为Deep Dictionary Clustering for Image Retrieval（DDicCIR）的新型框架，该框架将深度学习与字典聚类相结合，用于无监督医学图像检索。该方法采用DenseNet121提取图像特征，随后进行两级字典学习过程。在第一层字典中，学习稀疏表示以对相似图像进行分组，而第二层则对这些表示进行优化，以捕捉更高级的抽象并提高特征判别能力。基于k-means的迭代聚类机制更新聚类直至收敛，增强了稀疏性，减少了噪声，并强化了类别分离。在NIH Chest X-ray和IRMA数据集上的实验结果表明，DDicCIR在精确率、召回率和平均精度均值（mAP）方面取得了显著提升，证明了其在医学图像检索中的有效性。代码可在https://github.com/sucharithasu/DDicCIR获取。
Keyword:
Deep learning
Dictionary learning
K-means clustering
K-SVD
Medical image retrieval
Deep clustering
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
Medical Image Classification Using a Light-Weighted Hybrid Neural Network Based on PCANet and DenseNet.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容