MRANet：一种用于肺和结直肠癌分类的修改残差注意力网络
图像与视频处理
2025-01-28 v1 计算机视觉与模式识别
机器学习
摘要
肺癌和结直肠癌是癌症死亡的主要贡献者。及时且准确的诊断对于有效治疗至关重要。通过利用不同图像检测技术，学习模型在从组织病理图像自动化癌症分类方面显示出前景。这包括组织病理诊断，这一因素在癌症类型识别中尤为重要。本研究致力于创建一个用于从组织病理图像识别肺癌和结直肠癌的高效深度学习模型。我们提出了一种基于修改残差注意力网络架构的新方法。该模型在由 25,000 张高分辨率组织病理图像构成的数据集上进行训练，涵盖多个类别。我们提出的模型在 two、three 和 five classes 分别实现了 99.30%、96.63% 和 97.56% 的卓越准确率，优于其他最先进的架构。这一研究为肺和结直肠癌分类提供了一个高精度深度学习模型。我们所提出模型的优越性能解决了医学 AI 应用中的关键需求。
引用
@article{arxiv.2412.17700,
title = {MRANet: A Modified Residual Attention Networks for Lung and Colon Cancer Classification},
author = {Diponkor Bala and S M Rakib Ul Karim and Rownak Ara Rasul},
journal= {arXiv preprint arXiv:2412.17700},
year = {2025}
}