将全球背景与多尺度背景融合在一起,以加强乳腺癌分类.
Niful Islam1, Khan Md Hasib2, M F Mridha3
1Department of Computer Science and Engineering, United International University, Dhaka, 1212, Bangladesh.
Scientific reports
|November 9, 2024
概括
结合视觉变压器 (ViT) 和心脏空间金字塔聚合 (ASPP) 的新型融合模型,可以实现100%的准确性,从基因病理图像进行乳腺癌分类,从而改善早期检测.
科学领域:
- 在瘤学瘤学.
- 计算机视觉 计算机视觉
- 医疗成像医学成像
背景情况:
- 乳腺癌是女性癌症死亡的主要原因之一.
- 从组织病理学图像准确分类乳腺癌对于有效治疗至关重要.
- 当前的卷积神经网络 (CNN) 在捕获全球和多尺度特征方面存在局限性,影响了分类准确性.
研究的目的:
- 开发一种先进的融合模型,用于准确的乳腺癌分类.
- 通过整合全球和多层次的特征提取来克服CNN的局限性.
- 为了提高乳腺癌检测的诊断性能,使用基因病理图像.
主要方法:
- 开发了一种融合模型,将视觉变压器 (ViT) 集成为全球特征,以及多尺度特征的Atrous空间金字塔聚合 (ASPP).
- 一个注意力机制被纳入了模型架构.
- 一个五阶段的图像预处理技术被应用于他的病理图像.
主要成果:
- 拟议的融合模型在100X和400X放大时在BreakHis数据集上实现了100%的准确性.
- 在40X放大时记录了99.25%的分类精度,在200X放大时记录了98.26%的分类精度.
- 该模型在不同放大级别中表现出强大的性能.
结论:
- 融合模型有效地从基因病理图像对乳腺癌进行分类.
- ViT和ASPP的集成增强了特征提取能力,以提高准确性.
- 该模型为熟练的乳腺癌分类和早期检测提供了可靠的工具.


