基于改进ResNet的乳腺癌病理图像分类研究
高谦
湖北工业大学 湖北武汉 430068
摘要：乳腺癌是一种发病率和致死率较高的恶性肿瘤,及时诊断对于治疗乳腺癌具有重要意义.当前计算机对乳腺癌病理图像分类研究虽有进展,但传统机器学习依赖人工特征提取,深度学习模型存在特征表达不足和样本分布不均衡等问题.针对以上问题,文章提出了一种基于改进ResNet50的乳腺癌病理图像多分类方法.为弥补传统模型在处理高分辨率图片时的不足,使用RFAConv卷积替代传统卷积,同时加入EMA(efficient multi-scale attention)注意力模块,实现对精细图片的上下文信息融合,利用跨通道特征重组策略,实现对图片特征信息的优化提取.
关键词：乳腺癌病理图像分类残差网络卷积多尺度特征融合注意力机制
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 16-19 )