摘要
针对组织病理学图像癌细胞分布随机性强、分布广泛的特点,且常见的卷积神经网络(conv-olutional neural network,CNN)难以直接获取长范围依赖关系的问题,本文采用基于迁移学习的ResNet与优化后的Non-local Net相结合的非局部卷积残差模型,融合了位置和通道特征,在图像中提取全局信息选择有价值的区域进行分类.本文采用BreakHis数据集进行实验,针对数据集良恶性样本分布极不均衡的问题,采用Random-SMOTE算法平衡良恶性样本,强化模型学习少数类别特征的能力.在不区分倍数的数据集上,本文提出方法的PR、RE、SP和ACC分别达到93.28％、98.71％、98.67％和98.70％;在已知倍数的数据集上,上述指标也更高.与乳腺癌组织病理学分类中常用的算法相比,本文提出的方法具有更好的性能.
NETL
NSTL
维普
万方数据