基于带自突触非线性脉冲神经 P 神经元的多阶段注意力乳腺癌分类
计算机视觉与模式识别
2024-01-05 v2
摘要
乳腺癌 (BC) 是女性中一种常见的恶性肿瘤。早期诊断和治疗对于提高患者生存率至关重要。深度网络中的下采样可能导致信息丢失，为了补偿细节和边缘信息并使卷积神经网络更关注病灶区域，我们提出了一种基于带自突触的 NSNP 神经元的多阶段注意力架构。首先，不同于现有方法的单尺度注意力获取方式，我们在卷积网络的每个特征图尺度上设置空间注意力获取，以获得注意力引导下的融合全局信息。随后，我们引入了一种新型 NSNP 变体，称为带自突触的 NSNP 神经元。具体而言，NSNP 系统被模块化为特征编码器，对从卷积神经网络提取的特征以及注意力信息的融合进行重编码，并保留特征图中的关键特征元素。这确保了有价值数据的保留，同时将高维复杂信息逐步转化为低维信息。所提出的方法在 BreakHis 公共数据集的不同放大倍数和分类任务上进行了评估。在所有放大倍数情况下，其分类准确率达到 96.32%，优于最先进的方法。消融实验也验证了所提出模型的有效性。源代码可在 XhuBobYoung/Breast-cancer-Classification 获取。
引用
@article{arxiv.2312.12804,
title = {Multi-stages attention Breast cancer classification based on nonlinear spiking neural P neurons with autapses},
author = {Bo Yang and Hong Peng and Xiaohui Luo and Jun Wang},
journal= {arXiv preprint arXiv:2312.12804},
year = {2024}
}