换一批基于图卷积网络的乳腺癌病理图像分类方法
Breast Cancer Histopathology Image Classification Based on Graph Convolutional Network
摘要提出一种基于多示例学习的乳腺癌病理图像分类方法SwinMIL-APP.将Swin Transformer模型用于示例选取阶段,从不同尺度来有效捕获乳腺癌全尺寸病理图像的局部和全局信息,更好地筛选并提取示例中的关键特征;在特征聚合阶段则引入APPNP图卷积网络,通过随机游走操作自动更新节点特征表示来捕获相邻病理图像示例之间的空间信息,以提升包级别预测结果.在Camelyon16数据集和MSK数据集上的实验结果验证了其在乳腺癌病理图像分类任务上的有效性.
更多相关知识
关键词
多示例学习Swin Transformer图卷积网络乳腺癌病理图像分类multiple instance learningSwin Transformergraph convolutional networkbreast cancer histopathology image classification
分类号
R737.9（泌尿生殖器肿瘤）
栏目名称
DOI
10.3969/j.issn.2096-1383.2025.05.010
发布时间
2025-11-13（万方平台首次上网日期，不代表论文的发表时间）
基金项目
辽宁省应用基础研究项目（H2/101300191）
教育部重点实验室基金（ADIC2023ZD003）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
