基于深度学习的细胞癌恶化程度预测方法研究

• 作者: 易三莉 胡杨升 董青青 贺建峰 银温社
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 深度学习 细胞癌 检测 卷积神经网络
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 11-14
• 页数: 4页
• 分类号: TP301
• 字数: 3505字
• 语种: 中文
• DOI: 10.11907/rjdk.172498

摘要

细胞癌是当今致死率最高的癌症之一,细胞癌恶化程度预测方法对治疗该病症具有重大意义.对细胞图像病理识别数据集中的癌症细胞切片进行检测,首先利用数据增加(DATA Augmentation,DA)技术,增加模型训练集和测试集,然后设计卷积神经网络训练和测试网络结构,再结合经验设置优化参数进行预测模型训练,从而为细胞癌恶化程度预测提供一个深度模型的检测手段.随着深度学习的发展和医学图像在临床上的应用,以及医学影像数据集的不断完善,该方法有望为医生诊断细胞癌恶化程度提供一种有效工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺建峰	昆明理工大学信息工程与自动化学院	61	281	9.0	13.0
2	易三莉	昆明理工大学信息工程与自动化学院	30	191	8.0	13.0
3	胡杨升	昆明理工大学信息工程与自动化学院	3	19	2.0	3.0
4	董青青	昆明理工大学信息工程与自动化学院	2	4	2.0	2.0
5	银温社	昆明理工大学信息工程与自动化学院	3	4	2.0	2.0