乳腺病理图像分类与辅助诊断系统设计

摘要

依据乳腺组织病理学检查对肿瘤类型进行分类被视为临床乳腺癌诊断的黄金标准，受病理图像复杂性和多样性影响，人工分类诊断效率低，诊断结果还会受医生主观性影响.因此为了提高乳腺组织病理图像的分类准确率，服务临床乳腺病理分类诊断的应用需求，提出了一种基于迁移学习的通道注意力机制模型SE-ConvNext-T，用于乳腺组织病理图像分类.使用BreaKHis乳腺组织病理图像数据集进行测试，实现了8种不同乳腺肿瘤病理图像的自动分类，平均分类准确率达到99.18%.另外，基于训练的SE-ConvNext-T模型开发了乳腺癌病理图像分类与辅助诊断微信小程序，用户在智能手机端输入乳腺肿瘤病理图像，诊断系统可实现乳腺肿瘤的自动分类，并给出诊断建议，该小程序可有效地帮助医生提高诊断效率.

关键词

乳腺肿瘤病理图像 / 图像分类 / 注意力机制 / SE-ConvNext-T模型 / 辅助诊断系统