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
• 来源期刊: 哈尔滨工程大学学报
• 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）
• 页码范围: 567-573
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11990/jheu.201909052

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.