融合 Resnet 与 Transformer 的乳腺癌超声图像分类研究

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/yxqy.v7i1.20091

融合 Resnet 与 Transformer 的乳腺癌超声图像分类研究

黄文剑, 赵思朝, 邱学军*

华南理工大学附属第六医院, 广东药科大学

全文直达

引用

打印

摘要：目的乳腺癌是女性中最常见的恶性肿瘤之一，其早期诊断对提高治愈率至关重要。本文提出一种融合 ResNet 和 Transformer 的乳腺癌超声图像分类方法，旨在结合卷积神经网络 (CNN) 的局部特征提取能力和 Transformer 的全局特征建模能力，提升乳腺癌超声图像的分类性能。方法通过 ResNet 网络提取图像局部特征，并利用 Transformer 结构对这些特征进行全局建模，进一步增强特征的表达能力。实验在 Kaggle 乳腺癌超声图像数据集上进行。结果所提方法在良恶性及正常三分类任务中取得了优异的性能，分类准确率、精确率、召回率分别达到 93.2%、92.1% 及 92.6%，显著优于单一模型方法。结论本文研究为乳腺癌超声图像的自动化诊断提供了一种有效的解决方案。

关键词：

乳腺癌；超声图像分类；ResNet；Transformer；深度学习

Academic Publishing Pte Ltd

ISSN：2737-4300

年,卷(期)：2025,7(1)