基于改良ResNeXt的乳腺癌组织病理图像分类

简介：
本研究提出了一种改进版的ResNeXt模型，应用于乳腺癌组织病理图像的自动分类，旨在提高诊断准确性和效率。 为了实现对乳腺癌组织病理图像的准确自动分级，提出了一种改进的卷积神经网络方法。该方法依次引入了两种不同的卷积结构以提高网络识别病理图像的能力。 首先，采用深度残差网络（ResNeXt）作为基础模型，并用八度卷积（OctConv）替代传统卷积层，在特征提取阶段减少了冗余信息，提高了对细节特征的捕捉效果。其次，使用异构卷积（HetConv）替换部分的传统卷积层，以减少训练参数的数量。 针对数据样本较少导致的过拟合问题，提出了一种基于图像分块思想的数据增强方法来解决这一挑战。 实验结果显示，在四分类任务中该模型在图像级别的准确率达到91.25%，证明了所设计网络具有较高的识别率和良好的实时性。