一种在类别不平衡下进行乳腺病理图像多分类的方法

本发明属于智慧医疗领域，提供了一种在类别不平衡下进行乳腺病理图像多分类的方法，步骤如下：获取已知类别信息和标签的乳腺病理图像数据集；将改进的残差结构Ghost‑Residual添加至ResNet网络，构建改进后的ResNet_GR少数类别分类网络，并添加学习特征的角度的交叉熵损失函数L‑softmax loss；基于提出的AMMixup算法和ResNet_GR网络训练得到病理图像分类模型；将增强后的数据集输入至病理图像分类模型，得到乳腺癌各个亚型的识别结果。本发明在Mixup中引入了类别间的角边距思想，提出的乳腺癌病理图像分类模型充分结合了深度学习和过采样的优势，使其不仅可以应对少数类别的分类任务，而且分类更容易、识别精度更高。