基于CA-DenseNet的乳腺癌病理图像识别
乳腺癌病理图像的准确识别需要具有相关专业病理与医学影像知识的医师,诊断过程耗费大量人力与医疗资源.利用深度学习技术,选用DenseNet为基础分类网络,融合协调注意力机制构造出CA-DenseNet模型,提升网络特征提取能力.网络训练实验结果表明,CA-DenseNet比其他模型具有更强的数据学习能力,基础数据集验证准确率为90.23%,BreakHis数据集10倍数据增强后,网络过拟合程度减轻,采用Focal Loss增强难分样本的损失贡献,CA-DenseNet网络二分类、八分类验证准确率高达94.48%,该网络较同等条件下的DenseNet提高验证准确率0.38%.
注意力机制、乳腺癌、病理识别、深度学习
41
TN751.1(基本电子电路)
国家自然科学基金;国家自然科学基金;贵州大学双一流研究重大项目
2022-09-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
137-143