.png){kind=icon}
返回
Mamba-DDPM-BSA: Diffusion model based boundary sampling algorithm for imbalanced classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.126926.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据类别不平衡是医学图像分类领域的主要挑战之一。这种不平衡严重影响了分类模型的准确性和可靠性，对医生的诊断和治疗带来潜在风险。本文提出了一种Mamba-DDPM-BSA方法来解决医学图像的分类不平衡问题。首先，设计了生成模型Mamba-DDPM用于医学图像样本的合成。它利用Mamba的全局建模能力和线性计算效率，通过改进DDPM（去噪扩散概率模型）来提高生成样本的质量。其次，通过过采样训练集中的边界区域样本，所提出的边界采样算法（BSA）使生成器在拟合样本分布时能更关注决策边界区域。这种方法在决策边界附近生成更多样本，将原本侵入少数类分布的决策边界推向真实分布。最后，提出了一种Mamba-DDPM-BSA方法，采用交互式合成方法，充分利用扩散生成模型和边界采样算法与分类模型交互，旨在合成针对分类模型缺陷的图像，以提高分类器的判别能力和鲁棒性。基于HAM10000数据集的实验表明，Mamba-DDPM-BSA在Matthew's相关系数、平衡准确率和Macro F1指标上分别达到81.03%、82.14%和82.71%。所提出的方法优于传统的分类不平衡方法。
Keyword:
Imbalanced classification
Boundary sampling algorithm
Diffusion model
Mamba
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
A study of the behavior of several methods for balancing machine learning training data平衡机器学习训练数据的几种方法的行为研究
PREAI
分享收藏Complemented subspace-based weighted collaborative representation model for imbalanced learning
PREAI
分享收藏分享收藏MGCNet: Multi-granularity cataract classification using denoising diffusion probabilistic model ☆.png)
DISPLAYS
DISPLAYSIF3.4
PREAI
分享收藏RGAN-EL: A GAN and ensemble learning-based hybrid approach for imbalanced data classificationRgan-el: 一种基于GAN和集成学习的不平衡数据混合分类方法
PREAI
分享收藏A GAN-Based Data Augmentation Method for Imbalanced Multi-Class Skin Lesion Classification基于GAN的不平衡多类皮肤病变分类数据增强方法IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容