多期注意力分类网络

乳腺病理全放大96.32%

在卷积网络每一级特征图尺度上建立空间注意力,以融合全局信息引导病灶区域定位,并用带自突触的非线性脉冲神经P神经元作为特征降维模块,保留关键特征元素。

Yaorui, Tang · Bo, Yang · 彭宏 · Luo, Xiaohui

Engineering Applications of Artificial Intelligence 2025

参数信息

分类准确率
96.32 %

技术优势

多阶段注意力补偿细节丢失

在每个特征图尺度上建立空间注意力,融合全局信息引导病灶区域定位,弥补下采样造成的信息损失。

NSNP-AU神经元保留关键特征

NSNP系统被模块化为特征降维工具,对CNN提取的特征和融合注意力信息进行重编码,保留关键特征元素。

性能超越现有最优方法

在公开数据集BreakHis的各种放大倍数和分类任务上评估,达到96.32%的准确率。

应用场景