基于CA-DenseNet的乳腺癌病理图像识别

喻殿智; 张欣; 迟杏

首页> 中文期刊> 《国外电子测量技术》 >基于CA-DenseNet的乳腺癌病理图像识别

基于CA-DenseNet的乳腺癌病理图像识别

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

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%。

著录项

来源
《国外电子测量技术》 |2022年第5期|137-143|共7页
作者
喻殿智; 张欣; 迟杏;
展开▼
作者单位

1. 贵州大学大数据与信息工程学院 2. 贵州装备制造职业学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类乳腺肿瘤;
关键词
注意力机制; 乳腺癌; 病理识别; 深度学习;

相似文献

中文文献
外文文献
专利

1. 基于Inception-ResNet-V2的乳腺癌病理图像识别研究 [J] . 刘靖雯 ,黄理灿 . 软件导刊 . 2020,第5期
2. 多特征融合的乳腺癌组织病理学图像识别的方法 [J] . 乔世昌 ,胡红萍 ,郝岩 . 重庆理工大学学报:自然科学 . 2022,第2期
3. 基于DenseNet和迁移学习的乳腺癌图像识别 [J] . 杨雨航 ,刘铭 ,王新民 . 吉林大学学报:信息科学版 . 2022,第2期
4. 基于改进的自适应提升算法的乳腺癌图像识别研究 [J] . 张红斌 ,邬任重 ,蒋子良 . 华中师范大学学报（自然科学版） . 2020,第6期
5. 基于注意力机制的结肠癌病理学图像识别研究 [J] . 梁美彦 ,张倩楠 ,任竹云 . 测试技术学报 . 2022,第2期
6. VEGF表达及微血管密度、淋巴管密度与三阴性乳腺癌及非三阴性乳腺癌临床病理特征的关系 [C] . 李紫瑶 ,王淑梅 ,王平 . 首都医科大学超声科学系第一届超声医学学术大会 . 2013

基于CA-DenseNet的乳腺癌病理图像识别

摘要

著录项

相似文献

相关主题

期刊订阅