基于改进EfficientNet的乳腺肿瘤诊断
乳腺肿瘤严重影响女性的身心健康。病理学图像分析是医生诊断乳腺肿瘤的一个重要方法，不同类型肿瘤细胞的结构具有高度的相关性，这使得常规方法的诊断不易进行。改进的EfficientNet被用来诊断乳腺肿瘤，其使网络模型能自动学习疾病的特征并提高乳腺肿瘤诊断的准确率。基于此，首先，采用卷积块注意力模型提取乳腺肿瘤病理图像的有效特征；其次，引入分组卷积和通道混洗操作来提高模型的特征表达能力；再次，利用Hard-Swish激活函数提升模型的收敛速度；最后，实验验证了改进后的EfficientNet在BreakHis数据集上的8分类准确率达到98.4%，该方法成为乳腺肿瘤诊断的一个有力的决策辅助工具。
Uloženo v:
| Hlavní autor: | |
|---|---|
| Médium: | Artigo |
| Jazyk: | Chinês |
| Vydáno: |
POSTS&TELECOM PRESS Co., LTD
2023-12-01
|
| Edice: | 智能科学与技术学报 |
| Témata: | |
| On-line přístup: | https://www.infocomm-journal.com/znkx/CN/10.11959/j.issn.2096-6652.202343 |
| Tagy: |
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|