10.3969/j.issn.1000-386x.2023.06.021
基于卷积神经网络的乳腺癌病理图像分类方法
针对单一卷积神经网络在乳腺癌识别分类准确率不高、研究集中二元分类等问题,基于深度学习提出一种多模型融合机制方法.对乳腺癌组织学图像进行预处理,通过数据增强方法缓解数据集较少且分布不均匀问题;使用六个CNN通过迁移学习策略进行训练,提取多网络特征并保存,通过验证集损失率选出最优两个模型ResNet50 和Inception_v3 进行融合;实现病理图像在不同放大倍数下的多级分类.实验结果表明,模型融合后在患者级别和图像级别分类准确率最高达到94.18%、94.12%,优于单一网络、传统机器学习方法和现有基于深度学习二元分类方法,说明该网络有助于乳腺癌病理图像的分类研究.
乳腺癌识别、模型融合、卷积神经网络、迁移学习、数据增强
40
TP3(计算技术、计算机技术)
国家科技重大专项;中石油重大科技项目;中央高校基本科研业务费专项资金项目
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
133-139,198