基于EfficientNet模型的多特征融合肺癌病理图像分型

针对基于人工的病理分型既费力又费时,且因医生经验差异在病理分析时存在漏诊、误诊的问题,以高效率网络模型为基础,提出了一种多特征融合的非小细胞肺癌病理图像自动分型方法.首先,利用EfficientNet模型对预处理后的病理图像进行训练,提取多维度的深度特征;然后,通过获取图像灰度共生矩阵输入网络进一步提取图像的纹理特征;最后,融合所有特征,利用分类器完成肺癌病理图像分型任务.理论分析与实验结果表明,该方法在受试者工作特性曲线下的面积达到86％,准确率相较于其他分类方法有所提高.