摘要：针对乳腺癌病理图像的自动分类问题,提出基于深度学习的分类算法.通道重校准模型是作用于特征通道的注意力模型,可以利用学习到的通道权重对无用特征进行抑制来实现对特征通道的重校准,以达到更高的分类准确率.为了使通道重校准的结果更加准确,提出多尺度通道重校准模型,设计卷积神经网络msSE-ResNet.多尺度特征通过网络中的最大池化层获得并作为后续通道重校准模型的输入,将不同尺度下学到的通道权重进行融合,可以改善通道重校准的结果.该实验在公开数据集BreaKHis上开展.实验结果表明,该网络对良性/恶性乳腺病理图像分类任务达到88.87%的分类精度,可以对不同放大倍数下获取的病理图像具有较好的鲁棒性.

摘要：趋化因子CCL21与其受体CCR7在肿瘤细胞选择性和特异性转移过程中发挥重要作用,可能成为抗肿瘤转移药物治疗的新靶点。就其结构和生物学功能、抗肿瘤作用机制、在恶性肿瘤转移中作用的研究进展作一综述,为抗肿瘤新药研发提供思路。