用于乳腺癌图像分类的注意力模型增强网络
计算机视觉与模式识别
2020-10-08 v1
摘要
由于类间模糊性和类内变异性，乳腺癌分类仍是一项具有挑战性的任务。现有的基于深度学习的方法试图通过利用复杂的非线性投影来应对这一挑战。然而，这些方法通常从整幅图像中提取全局特征，忽略了细微细节信息在提取判别性特征时可能至关重要的这一事实。在本研究中，我们提出一种名为注意力模型增强网络（AMEN）的新方法，其以多分支方式构建，包含像素级注意力模型和分类子模块。具体而言，AMEN 中的特征学习部分可生成像素级注意力图，而分类子模块用于对样本进行分类。为更关注细微细节信息，样本图像由前一分支生成的像素级注意力图进行增强。此外，采用提升策略融合来自不同分支的分类结果以获得更好性能。在三个基准数据集上的实验证明了所提方法在各种场景下的优越性。
引用
@article{arxiv.2010.03271,
title = {Attention Model Enhanced Network for Classification of Breast Cancer Image},
author = {Xiao Kang and Xingbo Liu and Xiushan Nie and Xiaoming Xi and Yilong Yin},
journal= {arXiv preprint arXiv:2010.03271},
year = {2020}
}