期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到226篇文章
< 1 2 … 12 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
面向病理图像分割的边缘感知网络
1
作者 黄鸿 杨沂川 +2 位作者 王龙 郑福建 吴剑 《光子学报》 EI CAS CSCD 北大核心 2024年第1期78-90,共13页
提出了一种针对病理切片图像的端到端语义分割方法--边缘感知网络(BPNet),以提高病理图像分割精度。BPNet网络首先在解码器阶段增加边缘感知模块,改善网络对于病理图像边缘的特征信息提取能力。然后,采用自适应通道注意力模块弥补不同... 提出了一种针对病理切片图像的端到端语义分割方法--边缘感知网络(BPNet),以提高病理图像分割精度。BPNet网络首先在解码器阶段增加边缘感知模块,改善网络对于病理图像边缘的特征信息提取能力。然后,采用自适应通道注意力模块弥补不同层次特征间的语义差距,进一步加强网络的特征聚合能力。在此基础上,设计了一种基于结构和边缘的联合损失函数,以实现最佳的病理图像分割结果。在GlaS和MoNuSeg两个公开病理数据集上的分割实验结果表明,所提方法的Dice系数得分在两个数据集上分别达到92.21%和81.18%,有效提升了病理图像的分割精度。 展开更多
关键词 病理图像 自动分割 深度学习 边缘增强 联合损失函数
下载PDF
基于弱监督的口腔鳞状细胞癌病理图像分割
2
作者 李达义 孙晶晶 +2 位作者 林天成 李江 徐奕 《信息技术》 2024年第2期1-7,14,共8页
考虑到口腔鳞状细胞癌病理图像的超高分辨率,文中提出用简单的曲线粗略勾画三类前景区域,使得前景区域标签是包含背景区域的粗标签,仅耗费专业精细标注1/6的时间。文中利用粗标签中前景区域含噪声,但背景区域都是干净标签这一事实,通过... 考虑到口腔鳞状细胞癌病理图像的超高分辨率,文中提出用简单的曲线粗略勾画三类前景区域,使得前景区域标签是包含背景区域的粗标签,仅耗费专业精细标注1/6的时间。文中利用粗标签中前景区域含噪声,但背景区域都是干净标签这一事实,通过多个背景模板滤除误标的前景像素,实现对前景部分的精细化分割。具体地,文中提出基于背景相似度感知的平均教师模型(BS-MT),通过抽取高度多样性和鲁棒性的背景模板,指导学生网络利用模板滤波滤除背景像素而生成高质量的前景标签。在自建的OSCC-CA数据集,该方法的mIoU比U-Net和其他弱监督方法分别高出2.5%和1.1%以上。 展开更多
关键词 弱监督分割 病理图像分割 背景相似度感知平均教师
下载PDF
改进YOLOv5对病理图像下噪声标签的检测与自动纠正应用
3
作者 张祯阳 叶萍 常兆华 《软件导刊》 2024年第3期157-164,共8页
病理图像细胞检测是医学诊断的基础部分,正确、精准地检测靶向细胞及其数量对疾病诊疗至关重要。传统医学采用手工镜检的估计方式检测病理图像,依赖病理医生的工作经验,存在主观性、检测精度较低的问题。为此,提出改进YOLOv5的噪声标签... 病理图像细胞检测是医学诊断的基础部分,正确、精准地检测靶向细胞及其数量对疾病诊疗至关重要。传统医学采用手工镜检的估计方式检测病理图像,依赖病理医生的工作经验,存在主观性、检测精度较低的问题。为此,提出改进YOLOv5的噪声标签检测与自动纠正网络检测病理图像中的靶向细胞,通过Conf、IOU函数使网络具有区分真值标签和噪声标签的能力,从而实现噪声标签的自动纠正,以辅助医生对鼻窦炎疾病类型进行临床诊断。结果表明,改进网络在鼻窦炎病理图像数据集上的平均精度、召回率分别提升至88.9%和95.6%,可满足检测病理图像的精度和纠正噪声标签的需求。 展开更多
关键词 数字病理图像 无监督 噪声标签 深度学习 自主纠正
下载PDF
基于不确定性机制的病理图像病变区域的语义分割方法
4
作者 崔晗欢 《信息与电脑》 2024年第2期128-131,共4页
随着病理图像的数字化和计算机深度学习技术的发展,使用深度学习技术处理分析数字化病理图像对缩短诊断流程和提高临床效率有重大的实际意义。然而,数字化病理图像的分辨率极高,传统的深度学习网络和图像处理技术往往需要付出很高的硬... 随着病理图像的数字化和计算机深度学习技术的发展,使用深度学习技术处理分析数字化病理图像对缩短诊断流程和提高临床效率有重大的实际意义。然而,数字化病理图像的分辨率极高,传统的深度学习网络和图像处理技术往往需要付出很高的硬件和时间成本。文章引入滑窗机制和多尺度信息处理高分辨率的数字化病理图像,同时将多尺度信息与不确定性机制相结合,极大地提高了处理效率,将平均处理时间降到1min以内。 展开更多
关键词 不确定性 多尺度 深度学习 病理图像处理 语义分割
下载PDF
卷积神经网络在肝癌病理图像诊断中的应用综述
5
作者 邵润华 刘静 +3 位作者 马金刚 王一凡 陈天真 李明 《计算机系统应用》 2024年第4期26-38,共13页
肝癌是一种恶性肝肿瘤,起源于肝细胞.肝癌诊断一直是医学难点问题,也是各领域研究的热点问题,早期确诊肝癌可以降低肝癌的死亡率.组织病理学图像检查是肿瘤学诊断的黄金标准,图像会显示组织切片的细胞和组织结构,可以用于确定细胞类型... 肝癌是一种恶性肝肿瘤,起源于肝细胞.肝癌诊断一直是医学难点问题,也是各领域研究的热点问题,早期确诊肝癌可以降低肝癌的死亡率.组织病理学图像检查是肿瘤学诊断的黄金标准,图像会显示组织切片的细胞和组织结构,可以用于确定细胞类型、组织结构、异常细胞的数量和形态,并评估肿瘤具体情况.本文重点研究了卷积神经网络针对病理图像的肝癌诊断算法,包括肝肿瘤检测、图像分割以及术前预测这3个方面的应用,详细阐述了卷积神经网络各算法的设计思路和相关改进目的及方法,以便为研究人员提供更清晰的参考思路.总结性分析了卷积神经网络算法在诊断中的优缺点,并对未来可能的研究热点和相关难点进行了探讨. 展开更多
关键词 图像处理 卷积神经网络 肝癌 肝肿瘤 组织病理学图像
下载PDF
基于改进残差网络和动态ReLU肺癌病理图像分类 被引量：1
6
作者 谷宇 李思敏 +5 位作者 张宝华 杨立东 吕晓琪 张祥松 贾成一 贺群 《激光杂志》 CAS 北大核心 2023年第5期154-161,共8页
为实现肺癌病理图像的准确分类,提出一种基于双重注意力和动态ReLU的残差网络DrANeT,在网络模型中嵌入CBAM双重注意力机制,提高网络提取有用特种图的能力;使用动态ReLU替换网络中所使用的普通ReLU,可以根据不同特征图自动调整参数,提高... 为实现肺癌病理图像的准确分类,提出一种基于双重注意力和动态ReLU的残差网络DrANeT,在网络模型中嵌入CBAM双重注意力机制,提高网络提取有用特种图的能力;使用动态ReLU替换网络中所使用的普通ReLU,可以根据不同特征图自动调整参数,提高模型性能。实验结果表明,该网络模型在肺良性图像、肺腺癌图像和肺鳞状细胞癌图像准确率分别达到100.00%、99.96%、99.96%,整个数据集准确率达到99.96%。因此,表明本实验所改进的网络模型可以有效地提高肺癌病理图像分类的准确率。 展开更多
关键词 肺癌病理图像 残差网络 注意力机制 图像分类
原文传递
结合拆分注意力特征融合的病理图像分割网络 被引量：1
7
作者 邓健志 支佩佩 +2 位作者 张峰铭 徐国增 田佳 《科学技术与工程》 北大核心 2023年第7期2922-2931,共10页
针对卷积神经网络在执行病理图像分割任务时,特征提取单一导致分割性能较差的问题,提出了一种结合拆分注意力跨通道特征融合的病理图像分割网络。首先以UNet为基本结构,设计了空洞拆分注意力模块来提取并融合病理图像上细节特征,以增强... 针对卷积神经网络在执行病理图像分割任务时,特征提取单一导致分割性能较差的问题,提出了一种结合拆分注意力跨通道特征融合的病理图像分割网络。首先以UNet为基本结构,设计了空洞拆分注意力模块来提取并融合病理图像上细节特征,以增强通道间的特征交互能力,提高分割精度。其次,设计了深度残差幻影模块,在解码特征融合阶段有效获取足够丰富的特征图。最后在公开数据集DSB2018、MoNuSeg上实验,其灵敏度分别为90.13%、89.23%,准确率分别为92.89%、92.51%。为进一步验证算法有效性,将来自合作单位的病理图像自制成数据集ColonCancer,其准确率和灵敏度分别为90.15%、89.94%。实验结果表明,该方法相较于UNet、ResUNet、GhostUNet、TransUNet等算法有效提升了病理图像分割性能,并对实现不同组织病理图像的分割任务具有一定参考价值和意义。 展开更多
关键词 图像分割 拆分注意力 深度可分离 病理图像
下载PDF
引入门控轴向自注意力的多通道病理图像分割
8
作者 陈志 李歆 +2 位作者 林丽燕 钟婧 时鹏 《计算机应用》 CSCD 北大核心 2023年第4期1269-1277,共9页
在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道... 在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道分割网络(MCSegNet)模型,以实现病理图像细胞核的精准分割。所提模型采用双编码器和解码器结构,在其中使用轴向自注意力编码通道捕获全局特征,并使用基于残差结构的卷积编码通道获取局部精细特征;在编码通道末端,通过特征融合增强特征表示,从而为解码器提供良好的信息基础;而解码器通过级联多个上采样模块逐步生成分割结果。此外,使用改进的混合损失函数有效解决了病理图像中普遍存在的样本不均衡问题。在MoNuSeg2020公开数据集上的实验结果表明,改进的分割方法比U-Net在F1、交并比(IoU)指标上分别提升了2.66个百分点、2.77个百分点,有效改善了病理图像的分割效果,提高了临床诊断的可靠性。 展开更多
关键词 病理图像 细胞核分割 轴向自注意力 残差结构 混合损失函数
下载PDF
基于稠密块和注意力机制的肺部病理图像异常细胞分割
9
作者 崔文成 王可丽 邵虹 《智能科学与技术学报》 CSCD 2023年第4期525-534,共10页
针对肺部细胞病理图像亮度不均衡、异常细胞轮廓精准分割难以实现的问题,提出一种以U-Net为基本框架,结合稠密块以及注意力机制的异常细胞分割模型。首先,利用具有编码器-解码器结构的U-Net对异常细胞进行分割;然后,在U-Net中引入稠密块... 针对肺部细胞病理图像亮度不均衡、异常细胞轮廓精准分割难以实现的问题,提出一种以U-Net为基本框架,结合稠密块以及注意力机制的异常细胞分割模型。首先,利用具有编码器-解码器结构的U-Net对异常细胞进行分割;然后,在U-Net中引入稠密块,以提高特征之间的传播能力,提取更多异常细胞的特征信息;最后,利用注意力机制提高异常细胞区域的权重,降低亮度不均衡对模型的干扰。实验结果表明,该方法的IoU和Dice相似系数值分别为0.6928和0.8060,与其他模型相比,提出的方法能够分割出低对比度区域和形状多样的异常细胞。 展开更多
关键词 肺部细胞病理图像 细胞分割 U-Net 稠密块 注意力机制
原文传递
基于多尺度注意力融合网络的胃癌病理图像分割方法
10
作者 张婷 秦涵书 赵若璇 《电子技术应用》 2023年第9期46-52,共7页
近年来,随着深度学习技术的发展,基于编解码的图像分割方法在病理图像自动化分析上的研究与应用也逐渐广泛,但由于胃癌病灶复杂多变、尺度变化大,加上数字化染色图像时易导致的边界模糊,目前仅从单一尺度设计的分割算法往往无法获得更... 近年来,随着深度学习技术的发展,基于编解码的图像分割方法在病理图像自动化分析上的研究与应用也逐渐广泛,但由于胃癌病灶复杂多变、尺度变化大,加上数字化染色图像时易导致的边界模糊,目前仅从单一尺度设计的分割算法往往无法获得更精准的病灶边界。为优化胃癌病灶图像分割准确度,基于编解码网络结构,提出一种基于多尺度注意力融合网络的胃癌病灶图像分割算法。编码结构以EfficientNet作为特征提取器,在解码器中通过对多路径不同层级的特征进行提取和融合,实现了网络的深监督,在输出时采用空间和通道注意力对多尺度的特征图进行注意力筛选,同时在训练过程中应用综合损失函数来优化模型。实验结果表明,该方法在SEED数据集上Dice系数得分达到0.806 9,相比FCN和UNet系列网络一定程度上实现了更精细化的胃癌病灶分割。 展开更多
关键词 病理图像 图像分割 注意力融合
下载PDF
改进DenseNet的乳腺癌病理图像八分类研究
11
作者 赵晓平 王荣发 +1 位作者 孙中波 魏旭全 《计算机工程与应用》 CSCD 北大核心 2023年第5期213-221,共9页
目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机... 目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机制(attention mecheanism)和焦点损失函数(Focal loss)的乳腺癌组织病理图像的多分类模型,即DAFLNet。DAFLNet在乳腺癌组织病理图像数据集BreaKHis上进行训练、验证与测试,最终实验结果显示,该模型对良恶性二分类的识别准确率达到99.1%,对乳腺亚型八分类的识别准确率达到95.5%。证明在数据不均衡的条件下,DAFLNet模型能够准确地对乳腺组织病理图像进行八分类。 展开更多
关键词 乳腺癌病理图像 DenseNet 八分类 注意力机制 Focal loss
下载PDF
基于稀疏编码非局部注意力对偶网络的病理图像超分辨率重建 被引量：1
12
作者 梁美彦 张宇 +3 位作者 梁建安 陈庆辉 王茹 王琳 《计算机科学》 CSCD 北大核心 2023年第S01期295-302,共8页
高分辨率的病理学图像是疾病高精度诊断的客观依据,在精准医学领域具有重要意义。然而,受硬件设备分辨率和扫描时长的限制,实时获取高分辨率病理图像存在困难。经典的图像超分辨率重建算法由于模型的参数较难估计,导致重建后图像细节模... 高分辨率的病理学图像是疾病高精度诊断的客观依据,在精准医学领域具有重要意义。然而,受硬件设备分辨率和扫描时长的限制,实时获取高分辨率病理图像存在困难。经典的图像超分辨率重建算法由于模型的参数较难估计,导致重建后图像细节模糊且不够真实,不适用于病理学图像。为此,文中提出稀疏编码非局部注意力对偶网络,通过上采样和降采样对偶分支中的稀疏编码非局部注意力机制、高斯约束以及参数共享策略来实现病理学图像的超分辨率重建。重建后的病理图像峰值信噪比和结构相似性分别达到了30.84 dB和0.914。研究结果表明,所提方法不但能够实现病理学图像中高频细节的精确重建,轻量化的稀疏编码非局部注意力机制也有效地提高了建模的效率,是病理学图像超分辨率重建的一种有效方法。 展开更多
关键词 稀疏编码 非局部注意力 对偶网络 病理图像 超分辨率
下载PDF
MFDC-Net:一种融合多尺度特征和注意力机制的乳腺癌病理图像分类算法 被引量：1
13
作者 方于华 叶枫 《浙江大学学报（理学版）》 CAS CSCD 北大核心 2023年第4期455-464,共10页
乳腺癌是全球最常见的恶性肿瘤之一,采用传统方法诊断需花费大量时间和精力,且受个人能力影响较大。用计算机辅助诊断的方法,可以提高病理图像分类的准确率和效率,从而满足临床应用的需求。为此,提出一种基于DenseNet的融合多尺度特征... 乳腺癌是全球最常见的恶性肿瘤之一,采用传统方法诊断需花费大量时间和精力,且受个人能力影响较大。用计算机辅助诊断的方法,可以提高病理图像分类的准确率和效率,从而满足临床应用的需求。为此,提出一种基于DenseNet的融合多尺度特征和注意力机制的乳腺癌病理图像分类算法(MFDC-Net)。在密集块中引入坐标注意力机制,精准定位重要特征的空间信息。采用多尺度池化过渡层,通过不同卷积核的平均池化和普通卷积,在实现降维的同时扩大感受野。采用多尺度特征增强模块,融合深层次图像特征,提高分类性能。结果显示,MFDC-Net模型的分类性能较其他经典模型更优,分类准确率达97.12%,易混淆率低至3.34%,能较好地进行乳腺癌组织病理图像分类,为诊断和治疗提供重要依据。 展开更多
关键词 乳腺癌病理图像 图像分类 注意力机制 特征融合 多尺度特征
下载PDF
基于病理图像集成深度学习的胃癌预后预测方法
14
作者 金怀平 薛飞跃 +2 位作者 李振辉 陶海波 王彬 《电子与信息学报》 EI CSCD 北大核心 2023年第7期2623-2633,共11页
病理图像分析对胃癌的诊断和预后具有重要意义,但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此,该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先,对患者不同分辨率下的病理图像进行切分、... 病理图像分析对胃癌的诊断和预后具有重要意义,但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此,该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先,对患者不同分辨率下的病理图像进行切分、筛选等预处理;然后,采用ResNet,MobileNetV3,EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合,以此获得患者层面(Patient-level)的单分辨率子分类器预测结果;最终,采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得患者层面的预后预测结果。实验中收集了250例胃癌患者的组织病理图像,并以远处转移预测为例进行验证,实验结果表明,所提方法在测试集上的预测准确率为89.10%,敏感度为89.57%,特异度为88.61%,马修斯相关系数为78.19%,相比于单模型预测结果获得了显著提升,可为胃癌患者的治疗和预后提供重要参考。 展开更多
关键词 病理图像 集成学习 深度学习 胃癌 预后预测
下载PDF
基于改进ResNeXt的肺癌病理图像分类
15
作者 李思敏 谷宇 +3 位作者 张宝华 迟靖千 刘佳琪 贺群 《计算机工程与设计》 北大核心 2023年第8期2439-2446,共8页
针对肺癌病理图像的自动分类,提出一种改进的卷积神经网络,引入一种新型卷积结构。以ResNeXt残差网络作为基础网络模型,使用新型卷积involution替代部分传统卷积层,解决传统卷积核的感受野小和通道之间信息比较冗余的问题。实验结果表明... 针对肺癌病理图像的自动分类,提出一种改进的卷积神经网络,引入一种新型卷积结构。以ResNeXt残差网络作为基础网络模型,使用新型卷积involution替代部分传统卷积层,解决传统卷积核的感受野小和通道之间信息比较冗余的问题。实验结果表明,该网络模型在LC25000数据集的肺癌病理图像分类任务中,肺良性图像、肺腺癌图像和肺鳞状细胞癌图像准确率分别达到100.00%、99.47%、99.47%,整个数据集准确率达到99.47%,表明改进的网络模型可以提高对肺癌病理图像分类的准确率。 展开更多
关键词 肺癌病理图像 卷积神经网络 残差网络 新型卷积 感受野 通道 图像分类
下载PDF
结合多任务学习的半监督病理图像分割方法
16
作者 曾黎 汤红忠 +2 位作者 王蔚 谢明健 吴勇军 《协和医学杂志》 CSCD 2023年第2期416-425,共10页
病理图像自动分割是计算机辅助诊断技术的重要组成部分,可降低病理科医师工作负担,提高诊断效率和准确性。本文介绍一种结合多任务学习的半监督病理图像分割方法。该方法基于半监督的方式同时进行癌症区域图像分割与分类,即首先基于极... 病理图像自动分割是计算机辅助诊断技术的重要组成部分,可降低病理科医师工作负担,提高诊断效率和准确性。本文介绍一种结合多任务学习的半监督病理图像分割方法。该方法基于半监督的方式同时进行癌症区域图像分割与分类,即首先基于极少量像素级标注图像对分割网络进行训练,然后结合图像级标注图像同时完成图像分割及分类。在网络训练过程中,通过此2个任务的交替迭代以优化网络参数,降低了深度学习模型对图像标注的依赖性。在此基础上,模型引入了动态加权交叉熵损失函数,可利用分类预测概率值自动完成每个像素的权重分配,以提高分割网络对预测概率值较低目标区域的关注度。该策略可有效保持癌症区域的细节信息,经验证可在像素标注数据量不足的情况下对乳腺癌病理图像获得良好的癌症区域分割结果。 展开更多
关键词 病理图像分割 多任务学习 半监督学习 动态加权交叉熵
下载PDF
基于DC-DenseNet的乳腺癌病理图像分类 被引量：1
17
作者 张庙林 帅仁俊 《计算机应用与软件》 北大核心 2023年第4期116-121,共6页
乳腺癌病理图像的自动分类具有重要的临床应用价值。设计一种新颖的卷积神经网络模型(DC-DenseNet),该模型在DenseNet基础上将扩张卷积集成到密集块来实现多尺度的特征提取。此外,还提出一种新的学习率优化器,它不需要复杂的微调学习率... 乳腺癌病理图像的自动分类具有重要的临床应用价值。设计一种新颖的卷积神经网络模型(DC-DenseNet),该模型在DenseNet基础上将扩张卷积集成到密集块来实现多尺度的特征提取。此外,还提出一种新的学习率优化器,它不需要复杂的微调学习率就可以表现出优异的性能。对BACH数据集划分为良性、恶性、原位癌和浸润性癌四个类进行分类预测研究,并将所提的方法与AlexNet、VGG-19、DenseNet161模型进行综合对比。实验结果表明所提方法有效提高了乳腺癌的分类预测精度,在四个类上的平均识别率达到了94.10%。 展开更多
关键词 乳腺癌病理图像 图像分类 卷积神经网络 DenseNet优化 学习率优化器
下载PDF
基于卷积神经网络的肺癌病理图像识别
18
作者 武建国 王盼 +1 位作者 王娅南 吴俊芳 《每周文摘·养老周刊》 2023年第11期0007-0009,共3页
随着人工智能的快速发展,将人工智能和临床影像相结合的辅助诊断系统越来越多的被研究,用来减轻医师的工作量,提高疾病诊断的精确度。笔者将卷积神经网络应用到肺癌病理图像的识别当中,并取得了较好的识别结果,为肺癌智能辅助诊断系统... 随着人工智能的快速发展,将人工智能和临床影像相结合的辅助诊断系统越来越多的被研究,用来减轻医师的工作量,提高疾病诊断的精确度。笔者将卷积神经网络应用到肺癌病理图像的识别当中,并取得了较好的识别结果,为肺癌智能辅助诊断系统的开发提供了参考。 展开更多
关键词 人工智能 卷积神经网络 肺癌病理图像 辅助诊断
下载PDF
基于卷积神经网络的乳腺癌病理图像分类
19
作者 蔡豪杰 王林 +1 位作者 王义兵 侍鹏 《建模与仿真》 2023年第5期4320-4331,共12页
乳腺癌已经超过肺癌,成为世界第一大癌症。因此,乳腺癌的诊断就显得十分重要。为了提高对乳腺癌病理图像分类的准确率,提出了一种基于卷积神经网络的诊断方法。这种方法的出现,能做到快速对乳腺癌病理图像进行良恶性分类。一般来说,乳... 乳腺癌已经超过肺癌,成为世界第一大癌症。因此,乳腺癌的诊断就显得十分重要。为了提高对乳腺癌病理图像分类的准确率,提出了一种基于卷积神经网络的诊断方法。这种方法的出现,能做到快速对乳腺癌病理图像进行良恶性分类。一般来说,乳腺癌的病理图像结构十分复杂,为了增强网络的特征提取的能力,在卷积神经网络的基础上引进随机函数链神经网络和CA注意力机制。因为乳腺癌数据集太少,使用数据增强去扩充数据集。分别进行横向实验与消融实验,实验结果表明,优化后的卷积神经网络能有效提高分类的准确率。 展开更多
关键词 卷积神经网络 函数链神经网络 注意力机制 病理图像 乳腺癌 特征提取 数据集 数据增强
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 12 下一页 到第 页
使用帮助 返回顶部