典型文献
基于卷积神经网络的乳腺癌良恶性诊断
文献摘要：
为了提高乳腺癌病理图像良恶性诊断的准确率,提出了一个基于卷积神经网络(CNN)对乳腺癌病理图像的诊断方法.利用这种方法,能够快速地对乳腺癌病理图像自动进行良恶性诊断.乳腺癌病理图像具有非常复杂的结构,利用VGG16架构的卷积神经网络对病理图像进行特征提取,利用数据增强的方法扩充数据集,使用迁移学习,将在ImageNet数据集上训练得到的权重作为该网络的初始化参数,该模型在乳腺癌数据集Breakhis上得到的准确率可以达到95％,而在经过解冻部分训练层、调整学习率等优化操作之后,分类准确率最高可以达到99％.实验结果表明,优化后的方法在乳腺癌良恶性诊断准确率方面有很大的提高.
文献关键词：
乳腺癌;卷积神经网络;图像分类;数据增强;迁移学习
中图分类号：
作者姓名：
王阳;陈薇伊;马军山
作者机构：
上海理工大学光电信息与计算机工程学院,上海 200093
文献出处：
引用格式：
[1]王阳;陈薇伊;马军山-.基于卷积神经网络的乳腺癌良恶性诊断)[J].软件工程,2022(01):6-9
A类：
Breakhis
B类：
良恶性诊断,乳腺癌病理图像,非常复杂,VGG16,数据增强,充数,迁移学习,ImageNet,练得,重作,初始化,乳腺癌数据集,上得,解冻,学习率,优化操作,分类准确率,诊断准确率,图像分类
AB值：
0.22726
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。
