10.16208/j.issn1000-7024.2021.06.030
基于难样本挖掘和深度学习的乳腺癌检测方法
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.
深度学习、乳腺癌检测、难样本挖掘、特征金字塔、多尺度特征
42
TP391.3(计算技术、计算机技术)
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
2021-07-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
1727-1734