典型文献
基于Cycle-GAN和改进DPN网络的乳腺癌病理图像分类
文献摘要：
针对病理图像染色不均匀及良恶性难以鉴别的问题,提出基于Cycle-GAN和改进的双路径网络(DPN)的算法框架.利用Cycle-GAN进行颜色归一化处理,解决因病理图像染色不均匀导致的检测模型精度偏低问题,通过对图像进行重叠切片,基于DPN网络采用增加小卷积、反卷积和注意力机制,增强模型对病理图像纹理特征的分类能力.在BreaKHis数据集上的实验结果表明,所提算法有效提高了乳腺癌病理图像良恶性分类的准确性.
文献关键词：
乳腺癌病理图像分类;深度学习;Cycle-GAN网络;双路径网络(DPN);注意力机制
中图分类号：
作者姓名：
张雪芹;李天任
作者机构：
华东理工大学 信息科学与工程学院,上海 200000
文献出处：
引用格式：
[1]张雪芹;李天任-.基于Cycle-GAN和改进DPN网络的乳腺癌病理图像分类)[J].浙江大学学报（工学版）,2022(04):727-735
A类：
B类：
Cycle,GAN,DPN,乳腺癌病理图像分类,双路径网络,颜色归一化,归一化处理,因病,检测模型,模型精度,反卷积,注意力机制,增强模型,图像纹理特征,BreaKHis,良恶性分类
AB值：
0.24164
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
