换一批
换一批基于深度网络模型融合的乳腺病理图像分类研究
Research on the classification of breast pathological images based on fusion of deep network models
摘要乳腺组织活检的病理分析具有重要的临床应用价值.针对人工提取特征分类算法存在的耗时耗力、提取特征不完整等问题,此研究结合深度学习,提出了一种基于多阶段迁移和注意力机制的模型融合方法,对乳腺病理图像进行良恶性分类.为加快训练收敛速度及使用不同病理图像数据集的图像特征,研究采用多阶段迁移学习,并在网络中加入注意力机制,通过学习图像通道和空间上的重要特征,抑制无用的特征来提高分类准确率.最后为同时利用数据集不同倍数图像的特征,建立模型融合网络进行分类.该网络对图像良恶性分类的AUC值为0.946.实验结果表明,基于多阶段迁移和注意力机制的模型融合方法在乳腺病理图像分类上取得了较高的准确率,对乳腺癌诊断具有积极的指导意义.
更多相关知识
关键词
乳腺癌病理图像分类多阶段迁移注意力机制模型融合breast cancerpathological image classificationmulti-stage transferattention mechanismmodel fusion
分类号
R318
DOI
10.13954/j.cnki.hdu.2024.05.008
发布时间
2025-01-14
基金项目
国家重点研发计划
国家重点研发计划
国家自然科学基金
国家自然科学基金
国家自然科学基金
国家自然科学基金
浙江省自然科学基金重点项目
- 浏览3
- 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
