基于融合特征的乳腺癌病理图像分类: FECT
图像与视频处理
2025-01-20 v1 计算机视觉与模式识别
摘要
乳腺癌是全球女性最常见的癌症之一,早期诊断和精准分类至关重要。随着深度学习和计算机视觉的发展,乳腺组织病理图像的自动分类已成为研究焦点。现有方法通常依赖单一细胞或组织特征,且缺乏对难分类类别的形态特征设计,导致分类性能不佳。为此,我们提出了一种 novel 乳腺癌组织分类模型 FECT(Fused features of Edges, Cells, and Tissues),采用 ResMTUNet 和注意力聚合器来提取和聚合这些特征。在 BRACS 数据集上的广泛测试表明,本模型在分类准确率和 F1 分数方面超越当前先进方法。此外,由于其与病理学家诊断方法一致的特征融合,本模型具有良好的可解释性,并为未来临床应用奠定了广泛的前景。
引用
@article{arxiv.2501.10128,
title = {FECT: Classification of Breast Cancer Pathological Images Based on Fusion Features},
author = {Jiacheng Hao and Yiqing Liu and Siqi Zeng and Yonghong He},
journal= {arXiv preprint arXiv:2501.10128},
year = {2025}
}