换一批基于伪包策略和特征调整的病理图像分类模型
Pathological image classification model based on pseudo-bag strategy and feature adjustment
摘要目的:提出一种基于伪包策略和特征调整的病理全切片图像分类模型.方法:首先,构建伪包生成器,将父包划分为3个伪包,以增加训练包的数量.然后,利用基于Nystr?m近似自注意力的伪包学习方法和选择性特征融合方法处理伪包:基于Nystr?m近似自注意力的伪包学习方法通过改进的多头自注意力机制来降低计算复杂度,同时深度挖掘示例特征并得出伪包分类预测值,提升伪包分类准确性;选择性特征融合方法通过筛选和提炼伪包内的示例,获取伪包特征.最后,采用提取干扰因子的方法对包特征进行调整,避免无关信息干扰,进一步提升分类的准确率.结果:在两个数据集CAMELYON-16和TCGA-NSCLC上评估提出的模型,并与其他10种方法分析比较,结果显示本文模型性能最优.在准确率方面,所提方法在CAMELYON-16和TCGA-NSCLC数据集上分别达到0.943和0.906.结论:本文模型能缓解过拟合问题,避免无关信息的干扰,显著提升病理全切片图像分类准确率.
更多相关知识
关键词
病理全切片图像伪包策略选择性特征融合方法干扰因子分类准确率whole-slide pathological imagepseudo-bag strategyselective feature fusion methodconfounding factorclassification accuracy
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.06.010
发布时间
2025-07-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
四川省重点研发计划(重大科技专项)项目（2022YFS0020）
四川省卫生健康委员会临床研究项目（23LCYJ020）
南充市市校科技战略合作专项（22SXQT0292）
绵阳市社科联项目（MY2023ZC058）
自贡市社会科学界联合会项目（YDJKY23-36）
- 浏览4
- 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
