基于改进EfficientNet的乳腺肿瘤诊断

Abstract

乳腺肿瘤严重影响女性的身心健康。病理学图像分析是医生诊断乳腺肿瘤的一个重要方法，不同类型肿瘤细胞的结构具有高度的相关性，这使得常规方法的诊断不易进行。改进的EfficientNet被用来诊断乳腺肿瘤，其使网络模型能自动学习疾病的特征并提高乳腺肿瘤诊断的准确率。基于此，首先，采用卷积块注意力模型提取乳腺肿瘤病理图像的有效特征；其次，引入分组卷积和通道混洗操作来提高模型的特征表达能力；再次，利用Hard-Swish激活函数提升模型的收敛速度；最后，实验验证了改进后的EfficientNet在BreakHis数据集上的8分类准确率达到98.4%，该方法成为乳腺肿瘤诊断的一个有力的决策辅助工具。

Keywords

• 乳腺肿瘤
• efficientnet
• 图像分类
• 卷积神经网络