10.19335/j.cnki.2095-6649.2021.7.028
基于深度可分离卷积的组织病理图像分类
组织病理图像分类在计算机辅助自动诊断下,能够提高诊断效率.随着深度学习的发展,卷积神经网络能够自动提取图像特征,并用于病医学理图像的分类.基于此,提出一种轻量级的深度卷积神经网络模型,实现组织病理图像分类识别,利用深度可分离卷积代替常规卷积运算,以此来降低深度网络模型的参数量,并在PatchCamelyon数据集上进行测试.实验结果表明,该方法在乳腺组织病理图像上的分类准确率为94.8%,且具有较好的鲁棒性和泛化性.
深度可分离卷积;组织病理图像;图像分类
11
TN919.8
2021-10-28(万方平台首次上网日期,不代表论文的发表时间)
共2页
63-64