一种在类别不平衡下进行乳腺病理图像多分类的方法技术

本发明专利技术属于智慧医疗领域，提供了一种在类别不平衡下进行乳腺病理图像多分类的方法，步骤如下：获取已知类别信息和标签的乳腺病理图像数据集；将改进的残差结构Ghost‑Residual添加至ResNet网络，构建改进后的ResNet_GR少数类别分类网络，并添加学习特征的角度的交叉熵损失函数L‑softmax loss；基于提出的AMMixup算法和ResNet_GR网络训练得到病理图像分类模型；将增强后的数据集输入至病理图像分类模型，得到乳腺癌各个亚型的识别结果。本发明专利技术在Mixup中引入了类别间的角边距思想，提出的乳腺癌病理图像分类模型充分结合了深度学习和过采样的优势，使其不仅可以应对少数类别的分类任务，而且分类更容易、识别精度更高。

【技术实现步骤摘要】

本专利技术涉及智慧医疗领域，具体为一种在类别不平衡下进行乳腺病理图像多分类的方法。

技术介绍

1、在各种癌症中，乳腺癌一直是最常见的恶性肿瘤之一，并且死亡率极高，给女性的生命健康和幸福生活带来严重的威胁。要有效地防治乳腺癌，降低乳腺癌的死亡率，除了养成良好的生活和饮食习惯之外，乳腺癌的早期诊断和治疗依然是目前最主要的手段。在乳腺癌的发病原因和预防措施还不清楚时，及早发现并确诊是提高患者治愈率和降低患者死亡率最有效的途径，所以采用深度学习方法的智能化乳腺癌分类方式对于女性的健康有着重要的意义。

2、近年来，随着计算机视觉技术、图像处理技术和诊断技术的快速发展，乳腺癌病理图像分类方法的研究应运而生。现有技术中提出“一种基于深度特征聚合的乳腺癌病理图像分类方法”，通过优化提取特征模块、聚合深度特征和使用投票模块的组合，提高了乳腺癌病理图像分类的准确性和鲁棒性。现有技术还提出“一种基于注意力池化的端到端组织病理图像分类方法”，利用深度学习模型对组织病理切片的打分进行采样，组成数据集，然后使用端到端的注意力池化网络进行分类，有效地提高了诊断的准确率。现有本文档来自技高网...

【技术保护点】

1.一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，步骤S1包括：

3.根据权利要求1所述的一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，步骤S2包括：

4.根据权利要求3所述的一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，具体地，Ghost-Residual结构为：ResNet-50卷积神经网络中卷积层对输入图像卷积生成一组特征图，经过对第一个残差模块产生的特征图可视化，会看到一些相似的特征图对，Ghos...

【技术特征摘要】

1.一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，步骤s1包括：

3.根据权利要求1所述的一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，步骤s2包括：

4.根据权利要求3所述的一种在类别不平衡下进行乳腺病理图像多分类的方法，其特征在于，具体地，ghost-residual结构为：resnet-50卷积神经网络中卷积层对输入图像卷积生成一组特征图，经过对第一个残差模块产生的特征图可视化，会看到一些相似的特征图对，ghost模块对其中一个普通卷积生成的特征图进行线性操作得到其相似的特征图，假设卷积生成n通道数的特征图，由普通卷积生成通道数为l的g′x个内在特征图，那么“ghost通道”由线性运算得到，根据g′x生成s个...

【专利技术属性】
技术研发人员：刘敏，裴玉珍，陈明，胡恒博，王荐达，吴本辉，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：