典型文献
基于CA-DenseNet的乳腺癌病理图像识别
文献摘要：
乳腺癌病理图像的准确识别需要具有相关专业病理与医学影像知识的医师,诊断过程耗费大量人力与医疗资源.利用深度学习技术,选用DenseNet为基础分类网络,融合协调注意力机制构造出CA-DenseNet模型,提升网络特征提取能力.网络训练实验结果表明,CA-DenseNet比其他模型具有更强的数据学习能力,基础数据集验证准确率为90.23％,BreakHis数据集10倍数据增强后,网络过拟合程度减轻,采用Focal Loss增强难分样本的损失贡献,CA-DenseNet网络二分类、八分类验证准确率高达94.48％,该网络较同等条件下的DenseNet提高验证准确率0.38％.
文献关键词：
注意力机制;乳腺癌;病理识别;深度学习
中图分类号：
作者姓名：
喻殿智;张欣;迟杏
作者机构：
贵州大学大数据与信息工程学院 贵阳550000;贵州装备制造职业学院 贵阳550000
文献出处：
引用格式：
[1]喻殿智;张欣;迟杏-.基于CA-DenseNet的乳腺癌病理图像识别)[J].国外电子测量技术,2022(05):137-143
A类：
病理识别
B类：
CA,DenseNet,乳腺癌病理图像,图像识别,准确识别,相关专业,医学影像,诊断过程,耗费,医疗资源,深度学习技术,分类网络,协调注意力机制,网络特征,特征提取能力,网络训练,数据学习,数据集验证,BreakHis,倍数,数据增强,过拟合,拟合程度,Focal,Loss,难分,分样,二分类,八分,同等条件
AB值：
0.429355
相似文献
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。
