钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
大学学报期刊
\
哈尔滨工程大学学报期刊
\
利用卷积神经网络分类乳腺癌病理图像
利用卷积神经网络分类乳腺癌病理图像
作者:
于凌涛
夏永强
闫昱晟
王鹏程
曹伟
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
乳腺癌
病理图像
卷积神经网络
迁移学习
深度学习
图像分块
融合算法
图像分类
摘要:
为了解决乳腺病理图像分类准确率低,耗时费力的问题,本文提出了利用卷积神经网络(CNN)对乳腺病理图像进行分类的方法.利用该方法将病理图像快速、自动划分为良性和恶性2类.采用基于Inceptionv3架构的卷积神经网络模型和迁移学习算法进行病理图像特征提取;利用全连接层神经网络和SoftMax函数进行图像分类.同时针对高分辨率图像提出了图像分块化思想,将每块的分类概率通过加和、乘积、取最大值3种算法进行整合,得出图像最终分类结果.利用BreaKHis公共数据集对所提出的分类方法进行了实验验证.结果显示对于4个放大系数的图像分类准确率分别达到约95.0%、95.1%、94.1%和92.3%,该方法有效提高了乳腺癌病理图像分类准确率.
暂无资源
收藏
引用
分享
推荐文章
基于卷积神经网络和迁移学习的乳腺癌病理图像分类
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
基于级联分类器的乳腺癌病理学图像中有丝分裂检测
级联分类器
乳腺癌
病理图
有丝分裂检测
颜色直方图
基于深度学习的乳腺癌病理图像自动分类
乳腺癌病理图像分类
深度学习
卷积神经网络
迁移学习
数据增强
基于卷积神经网络的军事图像分类
军事图像分类
深度学习
卷积神经网络
主成分分析白化
随机池化
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
利用卷积神经网络分类乳腺癌病理图像
来源期刊
哈尔滨工程大学学报
学科
关键词
乳腺癌
病理图像
卷积神经网络
迁移学习
深度学习
图像分块
融合算法
图像分类
年,卷(期)
2021,(4)
所属期刊栏目
研究方向
页码范围
567-573
页数
7页
分类号
TP181
字数
语种
中文
DOI
10.11990/jheu.201909052
五维指标
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(17)
共引文献
(23)
参考文献
(11)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1945(1)
参考文献(0)
二级参考文献(1)
1997(1)
参考文献(0)
二级参考文献(1)
1998(3)
参考文献(2)
二级参考文献(1)
2004(1)
参考文献(0)
二级参考文献(1)
2005(2)
参考文献(0)
二级参考文献(2)
2006(1)
参考文献(0)
二级参考文献(1)
2007(1)
参考文献(1)
二级参考文献(0)
2008(1)
参考文献(0)
二级参考文献(1)
2010(1)
参考文献(1)
二级参考文献(0)
2011(2)
参考文献(0)
二级参考文献(2)
2013(1)
参考文献(0)
二级参考文献(1)
2014(2)
参考文献(1)
二级参考文献(1)
2015(2)
参考文献(1)
二级参考文献(1)
2016(4)
参考文献(1)
二级参考文献(3)
2017(2)
参考文献(1)
二级参考文献(1)
2018(3)
参考文献(3)
二级参考文献(0)
2021(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
研究主题发展历程
节点文献
乳腺癌
病理图像
卷积神经网络
迁移学习
深度学习
图像分块
融合算法
图像分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
哈尔滨工程大学学报
主办单位:
哈尔滨工程大学
出版周期:
月刊
ISSN:
1006-7043
CN:
23-1390/U
开本:
大16开
出版地:
哈尔滨市南岗区南通大街145号1号楼
邮发代号:
14-111
创刊时间:
1980
语种:
chi
出版文献量(篇)
5623
总下载数(次)
16
总被引数(次)
45433
期刊文献
相关文献
1.
基于卷积神经网络和迁移学习的乳腺癌病理图像分类
2.
基于级联分类器的乳腺癌病理学图像中有丝分裂检测
3.
基于深度学习的乳腺癌病理图像自动分类
4.
基于卷积神经网络的军事图像分类
5.
基于卷积神经网络的植物图像分类方法研究
6.
基于卷积神经网络的人脸图像美感分类
7.
基于深度学习的乳腺癌病理图像分类研究综述
8.
基于多层卷积神经网络的SAR图像分类方法
9.
基于卷积神经网络的肺癌病理图像分类
10.
基于卷积神经网络的视频图像失真检测及分类
11.
基于卷积神经网络的乳腺疾病检测算法
12.
乳腺癌超声表现与病理组织学分类的关联
13.
乳腺癌病人癌症复发恐惧的潜在剖面分析
14.
基于Inception-ResNet-V2的乳腺癌病理图像识别研究
15.
基于深度卷积神经网络的织物花型分类
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
哈尔滨工程大学学报2022
哈尔滨工程大学学报2021
哈尔滨工程大学学报2020
哈尔滨工程大学学报2019
哈尔滨工程大学学报2018
哈尔滨工程大学学报2017
哈尔滨工程大学学报2016
哈尔滨工程大学学报2015
哈尔滨工程大学学报2014
哈尔滨工程大学学报2013
哈尔滨工程大学学报2012
哈尔滨工程大学学报2011
哈尔滨工程大学学报2010
哈尔滨工程大学学报2009
哈尔滨工程大学学报2008
哈尔滨工程大学学报2007
哈尔滨工程大学学报2006
哈尔滨工程大学学报2005
哈尔滨工程大学学报2004
哈尔滨工程大学学报2003
哈尔滨工程大学学报2002
哈尔滨工程大学学报2001
哈尔滨工程大学学报2000
哈尔滨工程大学学报1999
哈尔滨工程大学学报1998
哈尔滨工程大学学报2021年第9期
哈尔滨工程大学学报2021年第8期
哈尔滨工程大学学报2021年第7期
哈尔滨工程大学学报2021年第6期
哈尔滨工程大学学报2021年第5期
哈尔滨工程大学学报2021年第4期
哈尔滨工程大学学报2021年第3期
哈尔滨工程大学学报2021年第2期
哈尔滨工程大学学报2021年第12期
哈尔滨工程大学学报2021年第10期
哈尔滨工程大学学报2021年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号