基于迁移学习和深度卷积神经网络的乳腺肿瘤诊断系统

摘要：

乳腺肿瘤计算机辅助诊断(CAD)系统在医学检测和诊断中的应用日益重要.为了区分核磁共振图像(MRI)中肿瘤与非肿瘤,利用深度学习和迁移学习方法,设计了一种新型乳腺肿瘤CAD系统:1)对数据集进行不平衡处理和数据增强;2)在MRI数据集上,利用卷积神经网络(CNN)提取CNN特征,并利用相同的支持向量机分类器,计算每层CNN的特征图的分类F1分数,选取分类性能最高的一层作为微调节点,其后维度较低层为连接新网络节点;3)在选取的网络接入节点,连接新设计的两层全连接层组成新的网络,利用迁移学习,对新网络载入权重;4)采用固定微调节点前的网络层不可训练,其余层可训练的方式微调.分别基于深度卷积网络(VGG16)、 Inception V3、深度残差网络(ResNet50)构建的CAD系统,性能均高于主流的CAD系统,其中基于VGG16和 ResNet50搭建的系统性能突出,且二次迁移可以提高VGG16系统性能.

关键词：图像处理、乳腺肿瘤诊断、图像分类、深度卷积神经网络、计算机辅助诊断系统、迁移学习

所属期刊栏目：55

分类号：TN919.8

资助基金：国家自然科学基金61271069

在线出版日期：2018-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：201-207