论文题目：Hepatocellular Carcinoma Automatic Diagnosis within CEUS
and B-Mode Ultrasound Images Using Advanced Machine
Learning Methods
来源：Sensors
论文地址： /10.3390/s21062202
ABSTRCT
论文中分别在B模式超声图像和CEUS图像以及B模式超声和CEUS组合图像上评估识别性能。文中考虑了直接组合输入图像、进行特征级融合，分别对融合产生的多模式组合分类器进行了实验。这一过程涉及到各种组合方法，以及核主成分分析的降维方法。
METHOD
为了将两种图像模态相结合，在不同级别应用了特定的融合方法：
1、特征级融合，假设原始B模式超声和CEUS图像数据的组合，融合的数据被提供给单个CNN架构；
2、分类器级融合，假设生成多模式组合分类器，通过在完全连接或softmax层之前融合两个CNN分支，分别用B模式超声和CEUS数据训练得到；
3、决策级融合，意味着在两个独立的细胞神经网络提供的概率结果之间执行算术或加权平均。
特征级别融合组合由每个图像模态提供的两种类型的信息，一种是B-模式超声，指组织相对于超声反射的特性，另一种是CEUS，反应了血管结构的特征。该级别的信息融合假定分别执行算术平均值、加权平均值和来自两个图像的相应像素值之间的乘积。
分类器级别融合：
决策级别融合：
如果觉得《【医学影像论文阅读】CEUS与B-mode超声结合诊断肝癌》对你有帮助，请点赞、收藏，并留下你的观点哦！
