基于生成对抗网络的乳腺癌组织病理图像样本均衡化

• 作者: 李东升 杨俊豪 闫强 陆熊 陈春晓
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 机器学习 样本均衡化 生成对抗网络 组织切片 数据增强
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 论著
• 页码范围: 161-166
• 页数: 6页
• 分类号: R318
• 字数: 5057字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2020.02.10

摘要

针对乳腺癌组织病理图像中各类样本的不均衡性,本研究构建了基于条件控制和深度卷积的两种乳腺癌组织病理图像样本生成对抗网络并生成人造样本,以实现样本均衡化.实验验证了两种网络用于数据均衡化的可靠性,发现在处理不均衡数据时基于深度卷积的生成对抗网络效果更好,基于条件控制的生成对抗网络鲁棒性更强;分析了增加人造样本对深度学习算法的影响.结果表明,本研究提出的数据均衡化方法将训练所得网络的分类准确率平均提升了近5％,生成对抗网络可以缓解深度学习在医学领域的应用中数据分布不平衡的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈春晓	南京航空航天大学生物医学工程系	49	264	10.0	14.0
2	李东升	南京航空航天大学生物医学工程系	18	153	7.0	12.0
3	陆熊	南京航空航天大学测试工程系	30	111	6.0	9.0
4	杨俊豪	南京航空航天大学生物医学工程系	3	3	1.0	1.0
5	闫强	南京航空航天大学生物医学工程系	1	0	0.0	0.0