融合多尺度特征和多重注意力的乳腺癌图像分类方法

摘要

针对深度学习模型在乳腺癌辅助诊断中提取特征不充分以及分类准确率低等问题,提出一种融合多尺度特征和多重注意力的乳腺癌图像分类方法.首先在骨干网络Res2Net50中引入三重注意力模块,加强模型对重要特征的关注度;其次利用设计的多尺度特征融合模块充分融合图像的特征;最后利用宽度学习系统对融合后的特征向量进行分类.同时模型中运用迁移学习解决乳腺癌图像样本量不足引起的分类效果不佳等问题.实验结果表明该方法对于不同放大倍数下获取的病理图像具有较好的健壮性,有效地提高了深度学习模型对于乳腺癌诊断的性能.