换一批结合多尺度特征融合和注意力机制的肺腺癌病理图像分类胶囊网络
A Capsule Network Combining Multi-Scale Feature Fusion and Attention Mechanism for Lung Adenocarcinoma Classification Task
摘要病理学家通过分析肺腺癌低级别组织和癌旁组织来确定病灶切除范围,然而,两者间的细胞形态差异较小,分析时依赖病理学家的主观经验,耗时且易误诊.故提出一种结合多尺度特征融合和通道自注意力的胶囊网络(Multi-Scale Feature Fusion with Self-Channel Attention for Capsule Network,MSCNet),用于帮助医生高效诊断疾病,为患者提供更好的治疗方案.首先,设计了多尺度特征融合模块来提升胶囊网络以捕捉同源图像不同尺度间的语义信息,试图减少模型计算量以提高处理速度及分类准确性.其次,通道自注意力(Self-Channel Attention,SCA)模块作为MSCNet的另一重要组件,可以寻找到更具代表性的特征,辅助识别组织病理学图像中的细微特征,降低误诊风险.实验结果表明,在肺腺癌低级别组织与癌旁组织的二分类任务中,MSCNet实现了99.34％的分类准确率、97.65％的F1-Score值和97.57％的精确度.
更多相关知识
关键词
肺腺癌多尺度特征融合注意力机制胶囊网络lung adenocarcinomamulti-scale feature fusionattention mechanismcapsule network
栏目名称
DOI
10.13568/j.cnki.651094.651316.2023.07.22.0001
发布时间
2024-06-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中央引导地方科技发展专项（ZYYD2023D02）
新疆维吾尔自治区自然科学基金面上项目（MLN8237;EGFR-TKI;2021D01A24）
新疆维吾尔自治区自然科学基金（2021D01F35）
新疆维吾尔自治区科技支疆项目（Prophet-ARMA;2021E02078）
- 浏览9
- 被引4
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
