基于多模型卷积神经网络的乳腺癌病理医疗图像良恶性诊断

摘要：

医疗图像辅助诊断是深度学习在智慧医疗领域中的一个重要应用.针对传统图像处理方法中人工提取特征过程复杂度高、测试识别准确度低和泛化能力差等问题,本文利用深度学习方法对乳腺癌病理学图像进行计算机辅助诊断.先对VGG16浅层卷积网络引入冻结层,并训练微调其余部分参数,再对结合迁移学习的Inception-V3和ResNet-V2-152进行整体参数微调,最后将训练好的的三个模型进行融合,以增强最终识别的准确度.同时又对BreakHis数据集进行了放大类别独立的研究.实验结果表明,本文在放大200倍的乳腺癌病理图像良恶性诊断问题上可取得97. 64%的测试准确度,在放大类别独立的诊断问题上取得94. 94%的测试准确度,为计算机辅助诊断在实际中的应用提供了可行性论证.

关键词：深度学习、乳腺癌、模型融合、迁移学习、计算机辅助诊断

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;教育部科技发展中心科研创新项目;河北省高教研究;实践项目

在线出版日期：2020-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：732-735