基于改进残差网络的医疗图像分类研究

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：程书帅, 李伟, 王霄, 杨靖, 覃涛

摘要：医疗图像分类在计算机辅助诊断和治疗中发挥着重要作用，传统方法存在人工标记特征难、计算复杂、效率低以及分类效果不好等临床应用问题。该文设计一个基于AM-ResNet网络的医疗图像辅助诊断模型，利用GAN等方法对数据进行扩充提升了算法的泛化能力；在AM-ResNet网络中引入了注意力机制模块，加强了图像特征提取；采用迁移学习方法加快了模型的收敛时间。实验采用了公开乳腺癌病理图像数据集进行诊断测试，提出的模型对良性恶性二分类诊断准确率约为97%, 对8个亚型的多分类诊断准确率约为93%, 实验结果表明，该模型对分类任务具有较高的分类准确率，且具有较好的鲁棒性及泛化能力。

关键词：医疗图像分类, AM-ResNet, 注意力模块, 迁移学习, GAN, 计算机辅助诊断