摘要
本发明公开了一种基于注意力机制的肾透明细胞癌病理图像的识别方法,包括:获取肾透明细胞癌的病理图像,进行分割和预处理得到病理图像块数据集;以卷积神经网络为框架,结合多尺度空间注意力机制、残差机制、小型神经网络和线性分类器构建深度学习识别模型;将训练集输入模型进行训练得到肾透明细胞癌病理图像识别模型;使用Adam优化器和交叉熵损失函数对肾透明细胞癌病理图像识别模型进行优化得到优化后的模型;将测试集输入优化后的模型得到肾透明细胞癌病理图像的识别结果;本发明得到的肾透明细胞癌病理图像识别模型能够为医生提供详细的特征分析,辅助医生更清晰地观察到图像中的病变区域和特征,对病理图像做出更准确的判断。
技术关键词
注意力机制
病理图像识别
深度学习识别模型
线性分类器
识别方法
多尺度
训练集
图像块
统计特征
矩阵
模块
网络
高层次
框架
表达式
数据
系统为您推荐了相关专利信息
动态优化控制
多尺度特征提取
动态权重分配
Laplacian算子
图像采集模块
平流层
效能
太阳能无人机
卡尔曼滤波算法
无人机数据
点云分类方法
点云图像
多层感知机
分类网络
注意力机制
场景识别方法
多源信息融合
单线激光雷达
物体
直线