基于SENet多路网络的乳腺癌转移检测

• 作者: 刘琳琳 叶强 何灵敏
• 来源期刊: 计算机工程与应用
• 关键词: 乳腺癌 前哨淋巴结转移 PCam 多路卷积网络 SENet
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 190-196
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2005-0248

摘要

乳腺癌细胞转移是影响病患预后的重要因素,检查前哨淋巴结病理切片可诊断转移情况.传统病理学医生检查过程冗余费时且极易漏检微转移病灶.目前已有利用卷积神经网络研究乳腺癌前哨淋巴结转移的成果,但准确率不高且对微转移情况检测效果不佳.针对以上问题,基于乳腺癌前哨淋巴结病理图像数据集(PCam),设计提出了SENet多路卷积神经网络模型.模型使用堆叠多路卷积单元和SENet模块,采用跳跃跨层连接、标准卷积与深度可分离卷积融合、加和与串联操作组合等策略.使用50％的图像迭代训练35次获得模型权重,然后采用准确率与AUC值指标对测试图像进行测试,准确率为97.32％,AUC值为98.05％.对比已有研究成果和主流卷积网络模型,该模型在49％、51％、100％测试集情况下,AUC值均排名第一.结果表明,该模型对淋巴结转移检测准确率较高,且对微转移也有很好的检测性能.