典型文献
基于迁移学习和支持向量机的乳腺癌分子分型预测
文献摘要：
乳腺癌分子分型对乳腺癌的治疗具有决定性的参考作用,传统的分型方法有创且可能存在假阳性问题,而已有的基于影像学的分型方法准确率较低.本文提出一种利用迁移学习提取特征并结合支持向量机的分型预测方法,对乳腺癌PET/CT标记图像进行融合和归一化,再使用Xception迁移学习网络进行特征提取,最后使用支持向量机进行分类实现分型.对样本测试集进行性能评估表明,Xception+SVM模型的准确率达到0.687,AUC为0.787,优于现有基于影像学的方法,验证了本文方法的有效性.
文献关键词：
乳腺癌;PET/CT;迁移学习;Xception;支持向量机
中图分类号：
作者姓名：
赵清一;林勇
作者机构：
上海理工大学健康科学与工程学院,上海200093
文献出处：
引用格式：
[1]赵清一;林勇-.基于迁移学习和支持向量机的乳腺癌分子分型预测)[J].中国医学物理学杂志,2022(05):635-639
A类：
Xception+SVM
B类：
迁移学习,乳腺癌分子分型,参考作用,分型方法,假阳性,而已,提取特征,PET,学习网络,测试集,性能评估,评估表
AB值：
0.190558
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
