-
题名基于卷积神经网络和迁移学习的乳腺癌病理图像分类
被引量：17
- 1
-
-
作者
郑群花
段慧芳
沈尧
刘娟
袁静萍
-
机构
武汉大学计算机学院
武汉大学人民医院病理科
-
出处
《计算机应用与软件》
北大核心
2018年第7期237-242,共6页
-
基金
国家自然科学基金项目(61272274)
-
文摘
乳腺癌已经成为导致女性死亡最常见的和发病率最高的恶性肿瘤。对HE染色的乳腺癌病理图像的自动分类具有重要的临床意义。针对目前存在的深度卷积神经网络只将图像分为良性和恶性两类,同时对于高分辨率图像处理具有局限性的不足,采用了以AlexNet为架构的卷积神经网络模型将图像分为乳腺导管原位癌、乳腺浸润性导管癌、乳腺纤维腺瘤和乳腺增生四类。对于高分辨率图像,采用图像分块的思想,将每块的分类结果利用多数投票算法进行整合,整合结果作为该图像的分类结果。同时,为了避免因乳腺癌病理图像标记样本过少带来的过拟合问题,采用了迁移学习和数据增强的方法。实验结果表明,该模型识别率达到了99.74%。
-
关键词
乳腺癌病理图像
卷积神经网络
图像分块
多数投票算法
迁移学习
-
Keywords
breast cancer histological image
CNN
image patch
Majority voting algorithm
Transfer learning
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于特征融合的卷积神经网络乳腺癌图像分类
被引量：3
- 2
-
-
作者
董永峰
刘霞
王利琴
石陆魁
-
机构
河北工业大学人工智能与数据科学学院
-
出处
《河北工业大学学报》
CAS
2018年第6期70-74,共5页
-
基金
河北省科技计划项目(15210345)
天津市科技计划项目(14ZCDGSF00124)
-
文摘
传统乳腺癌图像分类方法需要从医学图像中人工提取特征,不仅需要具备专业医学知识,而且存在耗时费力、提取高质量特征困难等问题.因此,提出了一种基于特征融合的卷积神经网络乳腺癌图像分类方法.首先预训练了两个不同结构的卷积神经网络,然后利用卷积神经网络自动提取特征的特性,将两个结构提取到的特征进行融合,最后利用分类器对融合的特征进行分类;同时,为避免卷积神经网络模型受小样本量限制出现过拟合现象,通过乳腺病变区域提取、区域细化和数据增强等方法对图像进行适当预处理,并通过过采样方法解决了正负样本不平衡的问题.实验结果显示,该方法在乳腺癌图像数据集BCDR-F03上分类AUC达到89%,对乳腺癌图像的分类精度较传统方法有明显提高.
-
关键词
卷积神经网络
特征融合
支持向量机
数据增强
过采样
乳腺癌病理图像
-
Keywords
convolutional neural network
feature fusion
support vector machines
data augmentation
oversampling
breast cancer histological image
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.4
[自动化与计算机技术—控制科学与工程]
-
