用于病理图像中癌症分级的质心感知特征重标定

癌症分级是病理学中的一项基本任务。人工神经网络在计算病理学中的近期发展表明，这些方法在提高癌症诊断的准确性和质量方面具有巨大潜力。然而，此类方法的鲁棒性和可靠性问题尚未完全解决。在此，我们提出一种质心感知特征重标定网络，能够以准确且鲁棒的方式进行癌症分级。所提出的网络将输入的病理图像映射到嵌入空间，并通过注意力机制利用不同癌症分级的质心嵌入向量对其进行调整。借助重标定后的嵌入向量，所提出的网络将输入的病理图像分类为相应的类标签，即癌症分级。我们使用在不同环境下收集结直肠癌数据集评估所提出的网络。实验结果证实，所提出的网络能够在病理图像中进行癌症分级，且无论数据集中的环境变化如何都具有高准确性。