一种基于二阶池化混合监督学习的乳腺癌全切片病理图像分类方法

本发明公开了一种基于二阶池化混合监督学习的乳腺癌全切片病理图像分类方法，包括：将乳腺癌全切片病理图像划分为训练集和测试集，将该图像划分为示例级别图像；构造基于二阶池化混合监督学习的网络结构，该网络结构包括示例分类器，采用训练集中的图像对网络结构进行自监督训练，从而对示例特征编码器进行特征编码；采用测试集图像对完成训练的网络结构进行测试，并对乳腺癌全切片病理图像分类。该方法将自监督方法与弱监督方法相结合，用于构建示例分类器。在示例级分类器中引入了二阶池化，从而提高对示例级特征的关注，捕获数据的结构和模式，通过更精细的示例级分析来提升最终的乳腺癌全切片图像分类的准确性。