改进DenseNet的乳腺癌病理图像八分类研究

来源：计算机工程与应用杂志2023年第5期北京时间：

作者：赵晓平, 王荣发, 孙中波, 魏旭全

单位：1.南京信息工程大学 计算机与软件学院，南京 210044；2.南京信息工程大学 数字取证教育部工程研究中心，南京 210044

摘要：目前，在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象，究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题，提出一种结合密集卷积神经网络（dense convolutional network，DenseNet）、注意力机制（attention mecheanism）和焦点损失函数（Focal loss）的乳腺癌组织病理图像的多分类模型，即DAFLNet。DAFLNet在乳腺癌组织病理图像数据集BreaKHis上进行训练、验证与测试，最终实验结果显示，该模型对良恶性二分类的识别准确率达到99.1%，对乳腺亚型八分类的识别准确率达到95.5%。证明在数据不均衡的条件下，DAFLNet模型能够准确地对乳腺组织病理图像进行八分类。

关键词：乳腺癌病理图像,DenseNet,八分类,注意力机制,Focal loss