频域特征和硬负实例筛选的乳腺癌全切片分类

来源：电子测量技术杂志2025年第19期北京时间：

作者：鲍刘珍，贾伟，赵雪芬，孔德凤，江海峰

单位：1.宁夏大学信息工程学院 银川 750021; 2.宁夏“东数西算”人工智能与信息安全重点实验室 银川 750021; 3.宁夏大学新华学院 银川 750021; 4.宁夏医科大学总医院病理科 银川 750021

摘要：乳腺癌全切片图像分类对精准诊断至关重要，然而，现有基于伪标签的多实例学习方法存在伪标签质量不高和选取硬负实例比例不合理的问题，为解决上述问题，本文提出一种结合频域特征与动态硬负实例筛选的多实例学习方法。首先，设计多尺度频域特征编码模块，通过频域残差连接与跨层特征融合，增强高频细节与复杂纹理表征；其次，提出双分支包预测模块，基于注意力机制动态调整实例权重，缓解异质性导致的特征稀释，优化伪标签生成质量；最后，提出动态硬负实例伪标签挖掘策略，通过渐进式增加硬负实例比例以提升模型获取区分性特征的能力。实验结果显示，在Camelyon和TCGA-BRCA数据集上，ACC、AUC、Precision、Recall分别提升了3.15%、1.72%、3.06%、2.12%和2.32%、2.79%、2.22%、2.22%，验证了方法的有效性。

关键词：乳腺癌全切片图像;多尺度频域特征;双分支特征聚合;硬负实例筛选;多实例学习

基金资助：国家自然科学基金(62062057)、宁夏自然科学基金(2024AAC03063，2024AAC03325)项目资助