一种基于动态图卷积网络的乳腺病理图像分类方法

一种基于动态图卷积网络的乳腺病理图像分类方法，包括步骤：一：获取乳腺病理切片图像数据集，并将数据集分为训练集、测试集和验证集；二：对数据集进行预处理，包括采用局部大津法对乳腺病理切片图像进行二值化处理和剪切、旋转、平移、缩放、颜色扰动等数据增强方法；三：构建动态图结构，通过预处理获得的图像块，每个图像块输入预训练ResNet50网络进行特征提取；四：构建一种基于动态图卷积网络的乳腺病理图像分类模型，该模型通过动态图结构模块动态学习实例之间的边连接关系，并通过带门控自注意力机制的图级表示聚合模块将节点层级的表示转换为WSI级别的整体预测；五：进行网络训练，采用Poly‑1损失函数，使用Radam优化器优化模型，使用AUC与准确率(Accuary)作为评价指标，最终生成分类结果。