基于深度卷积神经网络的乳腺细胞图像分类研究

摘要：

针对深度卷积神经网络能够提取图像的高层特征并对图像进行有效表达.采用基于深度卷积神经网络的改进算法,设计了ZCNN网络结构对乳腺病理细胞图像进行分类研究.首先,对病理图像进行预处理,利用ZCA白化降低数据特征间的相关性,从而降低数据间的冗余.其次,在网络卷积层采用线性校正单元(ReLUs)作为网络的激活函数,加速计算网络输出.最后,在网络精调时,利用dropout方法随机断开池化层的网络节点,可以有效抑制算法的过拟合,提高算法的泛化能力.采用本文方法对benign和actionable两类病理细胞图像的分类,精度达到94.65%.性能上超过了Softmax,PCA以及传统的卷积神经网络.

关键词：深度卷积神经网络、ZCA白化、线性校正单元、dropout方法

分类号：F721.1(中国国内贸易经济)

资助基金：国家自然科学基金61562013,21365008

在线出版日期：2016-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：144-146