基于CNN和Transformer的两阶段乳腺癌病理图像分类方法研究

作     者：徐坤财 张宁 廖益龙 刘璇 周游 XU Kun-cai;ZHANG Ning;LIAO Yi-long;LIU Xuan;ZHOU You

作者机构：贵阳信息科技学院智能工程学院贵阳550025 贵阳信息科技学院信息工程学院贵阳550025 

出 版 物：《医疗卫生装备》 (Chinese Medical Equipment Journal)

年 卷 期：2024年第45卷第12期

页      面：1-8页

学科分类：1001[医学-基础医学(可授医学、理学学位)] 100103[医学-病原生物学] 10[医学] 

基　　金：贵州省青年科技人才成长项目(黔教技279号,黔教技278号) 贵州省教育科学规划课题青年课题(2024C018) 

主　　题：CNN Transformer 乳腺癌 病理图像 病理图像分类 

摘      要：目的:为了提高乳腺癌病理图像分类准确率,提出一种基于卷积神经网络(convolutional neural networks,CNN)和Transformer的两阶段乳腺癌病理图像分类方法。方法:首先,采用Macenko归一化和颜色反卷积对乳腺癌病理图像进行预处理,以减少图像的像素差异;其次,构建CNN和Transformer双分支的特征提取路径,分别提取乳腺癌病理图像的局部特征和全局特征;再次,使用BiFusion融合机制对局部特征和全局特征进行有效融合,以增强特征的表达能力;最后,在BreakHis数据集上对提出的分类方法进行验证。结果:提出的方法在40×、100×、200×和400×放大倍数下的AUC分别为0.991、0.982、0.982和0.963,总体性能较优。结论:提出的方法具有较高的诊断性能,可以作为分析乳腺癌病理图像的一种通用方法。