期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型 被引量:1
1
作者 李广丽 叶艺源 +3 位作者 吴光庭 李传秀 吕敬钦 张红斌 《电子学报》 EI CAS CSCD 北大核心 2024年第7期2369-2381,共13页
乳腺癌是女性最常见的癌症.单一网络在乳腺癌病理图像分类中存在缺陷,卷积神经网络无法提取全局上下文,而Transformer不能准确描述局部细节.本文提出联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型(Multi-View Tra... 乳腺癌是女性最常见的癌症.单一网络在乳腺癌病理图像分类中存在缺陷,卷积神经网络无法提取全局上下文,而Transformer不能准确描述局部细节.本文提出联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型(Multi-View Transformer Online Fusion Mutual Learning,MVT-OFML).采用ResNet-50(Residual Network-50)提取图像局部特征,设计多视角Transformer编码模块,捕获图像中全局上下文;联合Logits和中间特征层构建OFML框架,实现ResNet-50与多视角Transformer编码模块间双向传递知识,使2个网络优势互补以完成乳腺癌病理图像分类.实验表明,在BreakHis和BACH数据集上,MVT-OFML的准确率比最强基线分别提升0.90%和2.26%,F1均值比最强基线分别提升4.75%和3.21%. 展开更多
关键词 乳腺癌 病理图像分类 多视角Transformer 卷积神经网络 在线融合互学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部