基于深度可分离卷积的组织病理图像分类

摘要：

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.

关键词：深度可分离卷积;组织病理图像;图像分类

所属期刊栏目：11

分类号：TN919.8

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：63-64