没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
5页
乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法,存在需要专业领域 知 识 、耗 时 费 力 、提 取 高 质 量 特 征 困 难 等 问 题 。 为 此 ,采 用 一 种 改 进 的 深 度 卷 积 神 经 网 络 模 型 ,实 现 了 乳 腺 癌 病 理 图 像的自动分类;同时,利用数据增强和迁移学习方法,有效避免了深度学习模型受样本量限制时易出现的过拟合问 题。实验结果表明,该方法的识别率可达到 91%,且具有较好的鲁棒性和泛化性
资源推荐
资源详情
资源评论
计算机工程与应用
www.ceaj.org
2018,54(12)
1 引言
癌症是威胁人类健康和生命的主要杀手之一,其中
乳 腺 癌 是 女 性 中 最 常 见 的 癌 症 ,据 世 界 卫 生 组 织
(WHO)下属的国际癌症研究中心(IARC)2012 年公布
的数据显示
[1]
,乳腺癌是造成女性死亡的第二大病症,且
其发病率呈逐年上升和年轻化的趋势。临床上,相对于
X-ray、钼靶、核磁共振等图像,病理图像是医生最后确
诊乳腺癌的重要标准,而对病理图像进行准确地分类是
医生制订最佳治疗方案的重要依据。目前基于人工的
病理图像分类,不仅耗时、费力,而且诊断结果容易受到
诸 多 主 观 人 为 因 素 的 影 响 ,借 助 于 计 算 机 辅 助 诊 断
(Computer-Aided Diagnosis,CAD),自动将病理图像进
行良、恶性分类,不仅可以提高诊断效率,还能为医生提
供更加客观、准确的诊断结果,因而具有重要的临床应
用价值。
乳腺癌病理图像自动分类是一项非常有挑战性的
工作。一是由于病理图像自身的特点:图像之间细微的
差异性、细胞重叠现象、颜色分布不均匀等,给图像分类
工作带来了很大的困难。二是由于缺乏大型公开的、已
标记的数据集,给算法研究带来一定的困难。尽管如
基于深度学习的乳腺癌病理图像自动分类
何雪英,韩忠义,魏本征
HE Xueying, HAN Zhongy i, WEI Benzheng
山东中医药大学 理工学院,济南 250355
College of Science a nd Technology, Shandong University of Traditional Chinese Medicine, Jinan 2503 55, China
HE Xu eying, HAN Zhongyi, WEI Benzheng. Breast cancer histopathologic al image auto-classification using deep
learning. Computer Engineering and Ap plic ations, 2018, 54(12):121-125.
Ab stract:The auto-classification has a signific ant clinical valu e for breast ca ncer histopathological ima ge. The conven-
tional image classification method based on hand-crafted features is professional knowledge demanding and time-consuming.
Beside s, the conven tion al method can not extract discriminative feat ures in most cases. To this end, this paper proposes an
improved deep convolutional neur al network model to realize automat ic histopathological image classific ation with higher
accuracy. Data augme ntation and transfer learning are also adopted to avoid the overfittin g by the limitation of training
samples. The experimental results show that the recognition rate rises up to 91% and the proposed method has good
robustness and generalization.
Key words:breast cancer histopathological image classification; deep leaning; convolutional neural network; transfer learning;
data augmentation
摘 要:乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法,存在需要专业领域
知识、耗时费力、提取高质量特征困难等问题。为此,采用一种改进的深度卷积神经网络模型,实现了乳腺癌病理图
像的自动分类 ;同时,利用数据增强和迁移学习方法,有效避免了深度学习模型受样本量限制时易出现的过拟合问
题。实验结果表明,该方法的识别率可达到 91%,且具有较好的鲁棒性和泛化性。
关键词:乳腺癌病理图像分类 ;深度学习;卷积神经网络;迁移学习 ;数据增强
文献标志码:A 中图分类号:TP39 1.4 doi:10.3778/j.issn. 100 2-8331 .1701-0392
基金项目:山东省自然科学基金(No.ZR 2015FM010);山东省高等学校科技计划项目(No.J15LN20);山东省医药卫生科技发展计
划项目(No.2016WS0577);山东省中医药科技发展计划项目(No.2015-026)。
作者简介:何雪英(19 79—),女,讲师,研究领域为机器学习、医学图像处理,E-mail:hxy0104@163.com;韩忠义(1994—),男,硕士
研究生,研究领域为医学图像处理、机器学习;魏本征(1976—),男,博士,副教授,硕士生导师,研究领域为医学图像处
理、机器学习、医学信息工程。
收稿日期:2017-02-06 修回日期:2017-04-01 文章编号:1002-8331(2018)12-0121-05
CN KI网络出版:2017-06-27, h ttp://kns.cnki.net/kcms/detai l/11.2127.TP.20170627.1712.0 08.html
Computer Engineering and Applications计算机工程与应用
121
资源评论
- xinxin244702019-07-05只是一个PDF文档,5积分有点多,且用途不大,提醒诸位下载时慎重考虑
- jim9999992021-09-19就是一个论文,几乎没有帮助
浅色调丶
- 粉丝: 73
- 资源: 6
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功