基于深度神经网络的癌细胞识别系统研究

• 作者: 李嘉 杨晓玲 王振奇
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 癌细胞识别 数据集 神经网络 训练速度
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP303
• 字数: 1302字
• 语种: 中文
• DOI: 10.11907/rjdk.191574

摘要

癌症是发病率和死亡率极高的疾病,癌细胞正确识别与癌症等级正确判断具有极其重要的意义.深度神经网络(DNN)可用神经网络模拟大脑识别过程,底层提取初级特征,高层对底层特征进行组合与抽象.以乳腺癌细胞图像为例,采用BreaKHis官网数据集,在Linux操作系统安装Pycharm开发软件,以Tensorflow为框架,搭载Python2.7编译环境,增加现有神经网络的卷积层数和全连接层数,提出一种优化的深度神经网络癌细胞识别方法.实验结果表明,该方法能更加准确地识别癌细胞图像特征,有效降低现有神经网络分类错误,对癌细胞平均识别率达89.58％,对恶性癌细胞识别率最高可达96.75％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李嘉	吉林大学珠海学院电子信息工程学院	11	15	2.0	3.0
2	杨晓玲	吉林大学珠海学院电子信息工程学院	4	2	1.0	1.0
3	王振奇	吉林大学珠海学院电子信息工程学院	1	0	0.0	0.0