深度特征融合驱动的肺腺癌分类算法研究

摘要

提出了一种基于深度模型自适应融合的肺腺癌亚型分类算法(ViT-CLSNet),通过将ViT和DenseNet并行融合，构建双流网络，增强对异型性特征的建模能力。此外，设计了一种新型高阶联合注意力机制(HOCAM),可有效定位肺腺癌的局部腺体结构。进一步通过深度自适应融合模块(AFB)提高双流网络在特征融合阶段的自适应性。实验结果显示，ViT-CLSNet在肺腺癌数据集上的平均分类准确率达90.92%,相比最优对比网络提升3.10%。

关键词

病理图像 / 图像分类 / 模型融合 / 注意力机制

基金资助

重庆开放大学(重庆工商职业学院)科研项目(NDYB2023-07); 重庆市科委技术创新与应用发展专项(cstc2021jscx-gksbX0056); 中央高校基本科研业务费项目(2023CDJKYJH085)