基于多尺度通道重校准的乳腺癌病理图像分类

• 作者: 明涛 李锵 王丹 郭继昌
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 乳腺癌病理图像分类 深度学习 残差网络 多尺度特征 通道重校准模型
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 1289-1297
• 页数: 9页
• 分类号: TP391
• 字数: 6171字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.07.006

摘要

针对乳腺癌病理图像的自动分类问题,提出基于深度学习的分类算法.通道重校准模型是作用于特征通道的注意力模型,可以利用学习到的通道权重对无用特征进行抑制来实现对特征通道的重校准,以达到更高的分类准确率.为了使通道重校准的结果更加准确,提出多尺度通道重校准模型,设计卷积神经网络msSE-ResNet.多尺度特征通过网络中的最大池化层获得并作为后续通道重校准模型的输入,将不同尺度下学到的通道权重进行融合,可以改善通道重校准的结果.该实验在公开数据集BreaKHis上开展.实验结果表明,该网络对良性/恶性乳腺病理图像分类任务达到88.87％的分类精度,可以对不同放大倍数下获取的病理图像具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭继昌	天津大学电气自动化与信息工程学院	77	735	14.0	24.0
2	李锵	天津大学微电子学院	74	624	12.0	22.0
3	王丹	天津医科大学总医院病理科	28	110	5.0	9.0
4	明涛	天津大学电气自动化与信息工程学院	1	0	0.0	0.0