| 非局部卷积残差学习模型的病理图像分类方法 |
| |
| 引用本文： | 刘敏,何智子,林坤,胡兰兰,曾春艳. 非局部卷积残差学习模型的病理图像分类方法[J]. 光电子．激光, 2023, 34(6): 663-672 |
| |
| 作者姓名： | 刘敏 何智子 林坤 胡兰兰 曾春艳 |
| |
| 作者单位： | 湖北工业大学 电气与电子工程学院，湖北 武汉 430068 ;湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室，湖北 武汉 430068;湖北工业大学 新能源及电网装备安全监测湖北省工程研究中心，湖北 武汉 430068,湖北工业大学 电气与电子工程学院，湖北 武汉 430068 ;湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室，湖北 武汉 430068;湖北工业大学 新能源及电网装备安全监测湖北省工程研究中心，湖北 武汉 430068,湖北工业大学 电气与电子工程学院，湖北 武汉 430068 ;湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室，湖北 武汉 430068;湖北工业大学 新能源及电网装备安全监测湖北省工程研究中心，湖北 武汉 430068,湖北工业大学 电气与电子工程学院，湖北 武汉 430068 ;湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室，湖北 武汉 430068;湖北工业大学 新能源及电网装备安全监测湖北省工程研究中心，湖北 武汉 430068,湖北工业大学 电气与电子工程学院，湖北 武汉 430068 ;湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室，湖北 武汉 430068;湖北工业大学 新能源及电网装备安全监测湖北省工程研究中心，湖北 武汉 430068 |
| |
| 基金项目： | 国家自然科学基金(61901165)资助项目 |
| |
| 摘 要： | 针对组织病理学图像癌细胞分布随机性强、分布广泛的特点，且常见的卷积神经网络(convolutional neural network, CNN)难以直接获取长范围依赖关系的问题，本文采用基于迁移学习的ResNet与优化后的Non-local Net相结合的非局部卷积残差模型，融合了位置和通道特征，在图像中提取全局信息选择有价值的区域进行分类。本文采用BreakHis数据集进行实验，针对数据集良恶性样本分布极不均衡的问题，采用Random-SMOTE算法平衡良恶性样本，强化模型学习少数类别特征的能力。在不区分倍数的数据集上，本文提出方法的PR、RE、SP和ACC分别达到93.28%、98.71%、98.67%和98.70%;在已知倍数的数据集上，上述指标也更高。与乳腺癌组织病理学分类中常用的算法相比，本文提出的方法具有更好的性能。
|
| 关 键 词： | 非局部卷积 残差块 注意力机制 乳腺癌分类 |
| 收稿时间： | 2022-05-11 |
| 修稿时间： | 2022-08-15 |
Pathological image classification based on non-local convolution residual learning model |
| |
| LIU Min,HE Zhizi,LIN Kun,HU Lanlan and ZENG Chunyan. Pathological image classification based on non-local convolution residual learning model[J]. Journal of Optoelectronics·laser, 2023, 34(6): 663-672 |
| |
| Authors: | LIU Min HE Zhizi LIN Kun HU Lanlan ZENG Chunyan |
| |
| Affiliation: | School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Key Laboratory for High-Efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Engineering Research Center for Safety Monitoring of New Energy and Power Grid Equipment, Hubei University of Technology,Wuhan, Hubei 430068, China,School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Key Laboratory for High-Efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Engineering Research Center for Safety Monitoring of New Energy and Power Grid Equipment, Hubei University of Technology,Wuhan, Hubei 430068, China,School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Key Laboratory for High-Efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Engineering Research Center for Safety Monitoring of New Energy and Power Grid Equipment, Hubei University of Technology,Wuhan, Hubei 430068, China,School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Key Laboratory for High-Efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Engineering Research Center for Safety Monitoring of New Energy and Power Grid Equipment, Hubei University of Technology,Wuhan, Hubei 430068, China and School of Electrical and Electronic Engineering,Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Key Laboratory for High-Efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology,Wuhan, Hubei 430068, China;Hubei Engineering Research Center for Safety Monitoring of New Energy and Power Grid Equipment, Hubei University of Technology,Wuhan, Hubei 430068, China |
| |
| Abstract: | |
| |
| Keywords: | non-local convolution residual block attention mechanism breast cancer classification |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
