基于ResNet50网络的乳腺癌病理图像分类研究

• 作者: 刘晓芳 徐文龙 李霞 王恒
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 计量 乳腺癌病理图像 ResNet50网络 深度学习 迁移学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 72-77
• 页数: 6页
• 分类号: TB96
• 字数: 3982字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2019.01.012

摘要

目的:为解决传统机器学习在病理图像诊断方面的性能不足和纯粹人工阅片导致的误诊或者错诊等问题.方法:结合深度学习在图像识别的优势,以ResNet50为基础网络框架,使用迁移学习实现模型功能,设计了一个用于计算机辅助诊断(Computer-Aided Diagnosis,CAD)的乳腺癌病理图像自动分类模型.结果:模型迭代7 000次时在验证集的正确率收敛于98％左右,在测试集上进行测试,正确率达到97.4％.在测试集中的1 083个恶性肿瘤样本中平均有1 061个样本被正确识别出,达到98％的灵敏度.结论:本模型具有泛化性好、深度大、精度高、收敛快的优点,为CAD应用于实际临床诊断提供了可行性论证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘晓芳	中国计量大学信息工程学院	10	35	4.0	5.0
2	徐文龙	中国计量大学信息工程学院	24	107	6.0	9.0
3	李霞	中国计量大学信息工程学院	5	11	2.0	3.0
4	王恒	中国计量大学信息工程学院	2	7	1.0	2.0