10.3778/j.issn.1002-8331.2001-0126
结合多维度特征的病理图像病灶识别方法
长时间的病理图像人工诊断会使医生产生视觉疲劳,误诊和漏诊情况容易发生.针对以上现象,提出一种结合卷积神经网络中多维度特征的方法,快速准确识别出病理图像中的病灶区域.使用感兴趣区提取及图像裁剪获得小尺寸图块数据;使用染色校正的方法以解决图块染色不均,对比度弱等问题;搭建深度学习模型,使用多组深度可分离卷积提取不同尺度的特征,加入残差连接以避免梯度消失,联合不同维度的特征信息以提高特征利用率.实验结果表明,染色校正能够提高预测准确率,上述模型具有参数少、鲁棒性强的特点,最终对病理图像病灶的识别均能达到较高的准确率,假阳性及假阴性均较低,未来将具有广泛的应用前景.
多维度、深度学习、卷积神经网络、深度可分离、染色校正、病理图像、病灶
57
TP391(计算技术、计算机技术)
国家自然科学基金;上海市自然科学基金
2021-03-25(万方平台首次上网日期,不代表论文的发表时间)
共8页
144-151