基于深度可分离卷积的组织病理图像分类

组织病理图像分类在计算机辅助自动诊断下,能够提高诊断效率。随着深度学习的发展,卷积神经网络能够自动提取图像特征,并用于病医学理图像的分类。基于此,提出一种轻量级的深度卷积神经网络模型,实现组织病理图像分类识别,利用深度可分离卷积代替常规卷积运算,以此来降低深度网络模型的参数量,并在PatchCamelyon数据集上进行测试。实验结果表明,该方法在乳腺组织病理图像上的分类准确率为94.8%,且具有较好的鲁棒性和泛化性。