基于深度学习的乳腺病理图像分类实验方法

基于深度学习的乳腺病理图像分类实验方法

论文摘要

乳腺病理图像的分类在临床医学领域具有重要应用价值。针对分类过程中人为提取图像特征专业知识要求高、耗时多、准确率低的问题,提出一种基于深度卷积神经网络的病理图像分类方法。本方法结合深度卷积神经网络的特征提取能力,在已有的Inception-V3网络模型上进行改进,实现乳腺病理图像的自动分类,并利用数据增强和迁移学习方法改善因数据集较小导致的模型过拟合问题。对乳腺病理图像进行二分类和多分类实验验证算法效果,二分类实验将病理图像分为良性和恶性两种,二分类识别精度达到97%;多分类实验将病理图像分为8种不同类型的乳腺肿瘤,分类识别精度达到89%,具有较好的泛化性能。

论文目录

  • 0 引言
  • 1 实验方法
  •   1.1 数据增强
  •   1.2 迁移学习
  •   1.3 交叉验证
  • 2 数据集和实验指标
  •   2.1 数据集
  •   2.2 实验指标
  • 3 实验结果与分析
  •   3.1 二分类实验
  •   3.2 多分类实验
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 詹翔,张婷,林聪,冯玮延,赵杏

    关键词: 乳腺病理图像,深度学习,数据增强,迁移学习

    来源: 计算机应用 2019年S2期

    年度: 2019

    分类: 信息科技,医药卫生科技

    专业: 肿瘤学,计算机软件及计算机应用,自动化技术

    单位: 北京理工大学自动化学院

    分类号: R737.9;TP391.41;TP18

    页码: 118-121

    总页数: 4

    文件大小: 491K

    下载量: 373

    相关论文文献

    标签:;  ;  ;  ;  

    基于深度学习的乳腺病理图像分类实验方法
    下载Doc文档

    猜你喜欢