李思敏，谷 宇，张宝华，迟靖千，刘佳琪，贺 群，2

(1.内蒙古科技大学 信息工程学院 内蒙古自治区模式识别与智能图像处理重点实验室，内蒙古 包头 014010；2.内蒙古科技大学 文法学院，内蒙古 包头 014010)

0 引 言

近些年，肺癌病理图像分类方面[1-5]已有了广泛研究。Teramoto等[6]通过生成对抗网络来提高深度卷积神经网络(deep convolutional neural network，DCNN)的分类准确率，对肺细胞的总体分类准确率为85.30%。Phankokkruad[7]基于迁移学习提出了使用VGG16、ResNet50V2和DenseNet201架构检测肺癌的3种卷积神经网络(convolutional neural network，CNN)模型，在肺癌病理图像分类上实现了91.00%的验证准确率。Masud等[8]使用基于深度学习的分类框架诊断肺癌的机器学习方法，达到97.20%的准确率。Adu等[9]提出对肺癌病理图像分类的双水平壁球胶囊网络(dual horizontal squash capsule networks，DHS-CapsNet)，分类准确率达到98.89%。Mizuho等[10]开发一种基于同源性的图像处理计算机辅助诊断系统，准确度高达99.43%。

以上研究表明肺癌病理图像分类方面已经取得一定的成果，但传统的卷积神经网络分类准确率不高，同时存在大量冗余；基于同源性的图像处理计算机辅助诊断系统相对比较复杂，同时可能在外部验证中出现过拟合。针对上述问题，本文借鉴新型卷积神经网络RedNet[11]，对ResNeXt[12]网络做出改进，减少卷积核内部通道间冗余，提高模型分类的准确率的同时不增加参数量和计算量，取得较好的结果。

1 本文方法

卷积神经网络是图像分类领域中的一种效果较好的方法，本实验采用ResNeXt网络模型作为基础网络模型，这个模型相较于传统的残差网络，计算量更少，分类的准确度更高，本实……