基于卷积神经网络和迁移学习的乳腺癌病理图像分类

• 作者: 刘娟 段慧芳 沈尧 袁静萍 郑群花
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 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
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 237-242
• 页数: 6页
• 分类号: TP301
• 字数: 5156字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.07.043

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘娟	武汉大学计算机学院	90	502	13.0	18.0
2	袁静萍	武汉大学人民医院病理科	118	207	8.0	10.0
3	郑群花	武汉大学计算机学院	2	9	2.0	2.0
4	段慧芳	武汉大学计算机学院	3	10	2.0	3.0
5	沈尧	武汉大学计算机学院	1	6	1.0	1.0