采用细胞形态特征对比学习的肺癌图像分类

摘要：

针对肺癌图像分类中出现的已标记肺癌病理图像较少且细胞形态复杂的问题,提出一种基于细胞形态特征对比学习的肺癌病理图像分类方法,通过对比学习将置信度较高的未标记数据混入到训练数据中,解决已标记数据不足的问题.在最近邻对比学习的基础上,提出基于最远和最邻近的对比学习,将最远和最近邻图像同时用于对比学习,通过增加对比样本的正样本学习难度和数据的多样性,提升对比学习的性能.将基于可变形卷积和动态卷积的ResNet50作为编码器,增强对细胞形态特征的提取能力.实验结果表明,在已标记数据较少的情况下,与现有的分类方法相比,该分类方法能够充分利用已标记和未标记癌症病理图像中的细胞特征信息,获得较好的分类效果.

关键词：肺癌、病理图像分类、对比学习、可变形卷积、动态卷积

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;宁夏自然科学基金项目

在线出版日期：2023-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：140-150