基于难样本挖掘和深度学习的乳腺癌检测方法

摘要：

为解决当前乳腺癌影像检测任务中数据样本量少、医学专业性强等问题,提出一种基于难样本挖掘和深度学习的乳腺癌检测方法.以乳腺癌医学图像数据库中含有正负样本的X光影像训练模型,通过改进Mask R-CNN特征金字塔结构对目标区域的高低层特征充分学习,利用难样本挖掘方法对正样本及难负样本进一步筛选,降低患病区域误检率,避免深度学习模型依赖样本量所造成的过拟合问题.实验结果表明,该方法在公开数据集上的检测精度达到85.92％-86.75％,精度提高了3％ 左右,提高了原检测方法的准确性和鲁棒性.

关键词：深度学习、乳腺癌检测、难样本挖掘、特征金字塔、多尺度特征

所属期刊栏目：42

分类号：TP391.3(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;教育部产学合作协同育人项目;全国高等学校计算机教育研究会课题基金项目;天诚汇智创新促教基金;基本科研业务费项目

在线出版日期：2021-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1727-1734