基于生成对抗网络的乳腺癌病理图像可疑区域标记

• 作者: 刘海东 朱林忠 杨小渝
• 来源期刊: 科研信息化技术与应用
• 关键词: 乳腺癌 深度学习 生成对抗网络 特征提取 病理图像可疑区域标记
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 应用
• 页码范围: 52-64
• 页数: 13页
• 字数: 8361字
• 语种: 中文
• DOI: 10.11871/j.issn.1674-9480.2017.06.007

摘要

本论文针对乳腺癌病理图像分析提出新的方法进行图像特征提取和可疑区域标记.由于深度神经网络,例如VGG,GoogleNet,ResNet等,均需要大量的标注样本才能完成训练,而医疗影像图像的标记成本很高,并不能为训练复杂的网络提供足够的训练数据.本论文借鉴生成对抗网络(Generative Adversarial Network,GAN)的思想,提出基于弱监督学习的病理图像可疑区域标记网络,首先利用少量有标记的病理图像数据来训练分类模型,即判断该图像是否是乳腺癌,然后通过融合该网络提取到的具有判别力的特征来对可疑区域进行标记.由本文提出的网络在已有的国外乳腺癌病理图像数据集上达到的平均准确率为83.8％,比基于卷积神经网络(Convolutional Neural Network,CNN)的分类方法在准确率上分别高3个百分点,说明该网络提取到的特征具有更好的判别力,不仅能够提高分类模型的准确率,还更有助于对病理图像的可疑区域进行标记.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘海东	中国科学院计算机网络信息中心	9	147	7.0	9.0
5	朱林忠		11	98	5.0	9.0
6	杨小渝	中国科学院计算机网络信息中心	17	40	4.0	6.0