换一批
换一批多尺度特征融合的改进残差网络乳腺癌病理图像分类
Improved Residual Network Classification of Breast Cancer Pathological Images Based on Multi-Scale Feature Fusion
摘要现有模型病理特征提取不充分以及开源数据集各类型数量不平衡等问题,使得乳腺癌病理图像的多分类研究仍具挑战性.本研究提出了一种多尺度特征融合的改进残差网络乳腺癌病理图像多分类方法.首先,以ResNet101残差网络作为基础,将CBAM注意力模块插入到每一个残差块中;接着,为了优化特征提取,将横向和纵向的多尺度特征融合集成到残差网络中;最后,引入焦点损失函数以解决数据分配不平衡问题.经BreakHis公开数据集混合放大倍数1 582张病理图像训练验证,所提出的改进残差网络在乳腺癌病理图像八分类上的识别准确率为94.4％,较原始模型提升2.8％,优于大多数已有公开深度学习模型.该模型的提出为女性乳腺癌的筛查诊断和病理分类提供了更为有效的方法.
更多相关知识
关键词
乳腺癌病理图像深度学习残差网络注意力机制多尺度特征融合pathological images of breast cancerdeep learningresidual networkattention mechanismmulti-scale feature fusion
分类号
R318
栏目名称
DOI
10.3969/j.issn.0258-8021.2024.04.004
发布时间
2024-09-05
基金项目
- 浏览10
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
