基于多注意力卷积神经网络的乳腺癌组织学图像诊断 

        徐旺旺^1,2，许良凤^1,2，刘宁徽³，律娜³

（1.大数据知识工程教育部重点实验室（合肥工业大学），合肥 230601；2. 合肥工业大学 计算机与信息学院，合肥 230601；3.安徽医科大学第一附属医院，合肥 230022） 

摘要：乳腺癌是在女性中致病严重并且发病率较高的疾病，是全国女性癌症死亡的主要原因。然而，提前进行检查和诊断可以减少癌症的风险。现在，对于乳腺癌的诊断方法有临床检查、影像学筛查和活组织检查，其中组织病理学检查是金标准。但整个过程比较复杂和耗时，可能还会存在误诊情况。本文提出利用深度学习多分类框架，引入多注意机制和选择核卷积替换普通卷积，同时对不同注意力分配权重和组合，在模型的精度指标和速率上有提升。此外，本文还实现对学习速率调度器作出对比，使用误差函数能够在微调学习速率实现良好的性能，在标签中通过使用标签软化来减少模型错误识别所造成的损失误差，在损失函数中赋予不同的类别权重来平衡正负样本不平衡问题。我们采用BreakHis数据集自动分类乳腺癌组织学图像为良性和恶性、四分类以及八个亚型。实验结果表明，二分类准确率为98.23%~99.50%，多分类准确率在97.89%与98.11%之间。

关键词：乳腺癌，深度学习，注意力机制，分类诊断

扫二维码浏览全文

Cite this article

Xu, W., Xu, L., Liu, N. et al. Histological Image Diagnosis of Breast Cancer Based on Multi-Attention Convolution Neural Network. J. Shanghai Jiaotong Univ. (Sci.) 30, 91–106 (2025). https://doi.org/10.1007/s12204-024-2705-4