融合多尺度注意力和累积学习的白血病分类识别

急性淋巴细胞白血病(ALL)图像数据集中有着类间形态学相似、数据不平衡的问题。文中设计了一种包含多尺度空间注意力和通道注意力的卷积模块,可以更好地提取不同类别图像的细颗粒特征信息,用于分类器的预测分类。使用加权交叉熵损失函数惩罚样本数量多的类,让模型学习不会偏向多数类。在此基础上引入累积学习策略,随着训练进程动态地调整正常损失函数和加权损失函数的比重,避免了加权损失函数对表征学习的损害,保持了对分类器的促进效果。最终在开源白血病细胞图像数据集C-NMC验证该设计方法的可行性,实验结果表明,测试集F1分数达到96.2%,对白血病细胞图像有着良好的识别效果。

资料为PDF文档格式.

本文档关键词:白血病,累积,注意力,尺度,识别