自动病理图像诊断是医学图像分析的一个重要课题，实现精确诊断的前提是提取健康与患病组织的形态特征。本文以深度神经网络为工具，提出一种增强卷积网络模型，通过训练一对互补的卷积神经网络，以优化病理图像诊断准确率。由于病理图像获取成本较高，为降低因训练样本数量有限造成的过拟合风险，算法首先训练基本网络，来估计病理图像中各局部组织患病的概率，之后训练另一异构网络，对基本网络的判决结果进行修正。实验在宾夕法尼亚州立大学动物诊断实验室提供的肾、肺、脾组织数据集与淋巴结癌症转移检测数据集上展开，实验结果表明所设