前沿卷积神经网络方法用于乳腺组织病理分类：空间注意机制的影响

本文研究了使用两种强大的卷积神经网络（CNN）架构进行乳腺组织病理分类的先进技术：Inception V3和VGG19。整合空间注意机制，以增强模型聚焦于组织学图像关键区域的能力。这些增强提高了诊断准确性，使模型能专注于准确检测的关键特征。研究利用了两个著名数据集，BACH用于多类分类，BreaKHis用于二元分类，这些数据集提供了大量的乳腺癌组织学图像，能够对提出的模型进行充分的训练和评估。具有空间注意机制的InceptionV3在二元分类中达到了99.73%的准确率，在多类分类中达到了99.06%。整合空间注意机制预计将显著推进自动乳腺癌检测系统的发展，为早期诊断和治疗计划提供潜在改进。该研究展示了将最先进的CNN架构与注意机制相结合如何显著改善医学图像分析，最终有助于改善患者的预后。