文献类型：期刊文章

作　　者：牛学猛[1] 吕晓琪[1,2] 谷宇[1,3] 张宝华[1] 张明[1,4] 任国印[1] 李菁[1]

Xuemeng Niu;Xiaoqi Lv;Yu Gu;Baohua Zhang;Ming Zhang;Guoyin Ren;Jing Li(Key Laboratory of Pattern Recognition and Intelligent Image Processing,College of Information Engineering,Inner Mongolia University of Science and Technology,Baotou,Inner Mongolia 014010,China;Institute of Information Engineering,Inner Mongolia University of Technology,Hohhot,Inner Mongolia 010051,China;College of Computer Engineering and Science,Shanghai University,Shanghai 200444,China;College of Information Science and Technology,Dalian Maritime University,Dalian,Liaoning 116026,China)

机构地区：[1]内蒙古科技大学信息工程学院模式识别与智能图像处理重点实验室,内蒙古包头014010 [2]内蒙古工业大学信息工程学院,内蒙古呼和浩特010051 [3]上海大学计算机工程与科学学院,上海200444 [4]大连海事大学信息科学技术学院,辽宁大连116026

出　　处：《激光与光电子学进展》

基　　金：国家自然科学基金(61771266,62001255,61841204,61962046,61663036);内蒙古自治区科技计划(2019GG138);内蒙古自治区自然科学基金(2019MS06003,2015MS0604);内蒙古自治区高等学校科学研究项目(NJZY145,NJZY18150);内蒙古杰青培育项目(2018JQ02);包头市科技计划(2017C1002,2015C2006-14);包头市青年创新人才项目(0701011904);教育部“春晖计划”合作科研项目(教外司留[2019]1383号)。

年　　份：2020

卷　　号：57

期　　号：22

起止页码：215-225

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为实现对乳腺癌组织病理图像的准确自动分级,提出了一种改进的卷积神经网络,依次引入两种不同的卷积结构,以提高网络对病理图像的识别准确率。以深度残差网络(ResNeXt)为基础网络,用八度卷积(OctConv)替代传统卷积层,在特征提取阶段降低特征图中的冗余特征,提高了细节特征的提取效果;用异构卷积(HetConv)代替网络中的部分传统卷积层,以降低模型的训练参数。为了克服因数据样本较少出现的过拟合问题,采用一种基于图像分块思想的数据增强方法。实验结果表明,该网络在图像级别的四分类任务中准确率达到91.25%,表明所设计的网络模型具有较高的识别率和较好的实时性。

关 键 词：图像处理  组织病理图像  卷积神经网络  残差网络  八度卷积  异构卷积  

分 类 号：TP391.41]