检索结果-维普期刊中文期刊服务平台

面向乳腺超声分类的低尺度形态特征重校准方法: 1; 作者龚勋朱丹 +1 位作者杨子奇罗俊《西南交通大学学报》 EI CSCD 北大核心 2024年第3期539-546,563,共9页; 针对乳腺超声图像具有类内差异大、类间差异小以及结节形状复杂多变等问题,提出一种形状特征重校准的乳腺超声图像算法,实现乳腺超声的自动化诊断.首先,构建端到端的网络模型,采用渐进训练方式,充分学习图像中更具辨别力的区域,获取更... 展开更多; 关键词形状特征分区打乱机制低尺度重校准乳腺癌分类; 在线阅读下载PDF 职称材料

基于深度级联森林的乳腺癌基因数据分类研究被引量：2: 2; 作者秦喜文王芮张斯琪《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第2期177-185,共9页; 乳腺癌基因数据的分类研究在临床医学上具有重要意义。针对基因数据的结构复杂、高维小样本等特点,提出一种最大相关最小条件冗余和深度级联森林结合的基因数据分类方法。选取博德基因研究所乳腺癌基因表达数据集,共98个数据作为样本,... 展开更多; 关键词乳腺癌分类基因表达数据变量选择最大相关最小冗余深度级联森林; 在线阅读下载PDF 职称材料

基于Cycle-GAN和改进DPN网络的乳腺癌病理图像分类被引量：5: 3; 作者张雪芹李天任《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第4期727-735,共9页; 针对病理图像染色不均匀及良恶性难以鉴别的问题,提出基于Cycle-GAN和改进的双路径网络(DPN)的算法框架.利用Cycle-GAN进行颜色归一化处理,解决因病理图像染色不均匀导致的检测模型精度偏低问题,通过对图像进行重叠切片,基于DPN网络采... 展开更多; 关键词乳腺癌病理图像分类深度学习 Cycle-GAN网络双路径网络(DPN) 注意力机制; 在线阅读下载PDF 职称材料

基于融合多网络深层卷积特征和稀疏双关系正则化方法的乳腺癌图像分类研究被引量：6: 4; 作者王永军黄芳琳 +3 位作者黄珊姜峰雷柏英汪天富《中国生物医学工程学报》 CAS CSCD 北大核心 2020年第5期532-540,共9页; 乳腺癌是全球女性癌症死亡的主要原因之一。现有诊断方法主要是医生通过乳腺癌观察组织病理学图像进行判断,不仅费时费力,而且依赖医生的专业知识和经验,使得诊断效率无法令人满意。针对以上问题,设计基于组织学图像的深度学习框架,以... 展开更多; 关键词乳腺癌病理图像分类深度卷积特征融合有监督特征选择支持向量机; 在线阅读下载PDF 职称材料

基于多尺度通道重校准的乳腺癌病理图像分类被引量：9: 5; 作者明涛王丹 +1 位作者郭继昌李锵《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第7期1289-1297,共9页; 针对乳腺癌病理图像的自动分类问题,提出基于深度学习的分类算法.通道重校准模型是作用于特征通道的注意力模型,可以利用学习到的通道权重对无用特征进行抑制来实现对特征通道的重校准,以达到更高的分类准确率.为了使通道重校准的结果... 展开更多; 关键词乳腺癌病理图像分类深度学习残差网络多尺度特征通道重校准模型; 在线阅读下载PDF 职称材料

改进鲸鱼算法优化支持向量机实现乳腺癌预测被引量：1: 6; 作者高涛袁德成《现代电子技术》北大核心 2024年第11期156-160,共5页; 为了更好地通过人体肥胖的相关指数预测乳腺癌的存在,以抵抗素、葡萄糖、年龄和身体质量指数作为数据特征构造预测模型,通过研究支持向量机(SVM)的参数对模型的性能影响,提出一种基于自适应机制策略改进的鲸鱼算法,即参数自适应鲸鱼优... 展开更多; 关键词鲸鱼优化算法支持向量机自适应参数数据预处理乳腺癌细胞分类 TENT映射; 在线阅读下载PDF 职称材料

BP算法与C4.5算法在乳腺癌诊断中的比较分析被引量：2: 7; 作者杨云董雪齐勇《陕西科技大学学报（自然科学版）》 2015年第3期163-166,172,共5页; 目前数据挖掘技术被大量应用于医学领域,进行疾病诊断。针对乳腺癌发病率不断升高,为辅助医生做出诊断决策,采用具有优秀学习能力的人工神经网络中的BP算法与决策树中的C4.5算法来分析乳腺癌数据,对乳腺癌肿瘤类型进行诊断预测,并对这... 展开更多; 关键词乳腺癌分类 BP算法 C4.5算法分类器性能; 在线阅读下载PDF 职称材料

题名面向乳腺超声分类的低尺度形态特征重校准方法: 1; 作者龚勋朱丹杨子奇罗俊; 机构西南交通大学计算机与人工智能学院西南交通大学可持续城市交通智能化教育部工程研究中心西南交通大学综合交通大数据应用技术国家工程实验室西南交通大学四川省制造业产业链协同与信息化支撑技术重点实验室四川省人民医院; 出处《西南交通大学学报》 EI CSCD 北大核心 2024年第3期539-546,563,共9页; 基金国家自然科学基金(62376231) 四川省重点研发项目(2023YFG0267)。; 文摘针对乳腺超声图像具有类内差异大、类间差异小以及结节形状复杂多变等问题,提出一种形状特征重校准的乳腺超声图像算法,实现乳腺超声的自动化诊断.首先,构建端到端的网络模型,采用渐进训练方式,充分学习图像中更具辨别力的区域,获取更细粒度的特征信息;其次,提出分区打乱机制,降低网络中打乱图像时破坏结节区域所产生的噪声;然后,将模型底层提取的特征与通过掩膜图像获得的形状特征进行重校准,提出低尺度重校准损失函数;最后,构建一个包含1550张乳腺超声图像数据集LSRD(low-scale recalibration database),验证所提方法的有效性.实验结果表明:本文模型在LSRD上准确率94.3%、敏感性91.2%、特异性93.6%、ROC(receiver operator characteristic curve)与坐标围成的面积(area under curve,AUC)为0.941,均优于对比模型;在BUSI(breast ultrasound image)数据集上,相较于对比模型,其分类精度提升3.3%.; 关键词形状特征分区打乱机制低尺度重校准乳腺癌分类; Keywords morphological features partition shuffle mechanism low-scale recalibration breast cancer classification; 分类号 R737.9 [医药卫生—肿瘤] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度级联森林的乳腺癌基因数据分类研究被引量：2: 2; 作者秦喜文王芮张斯琪; 机构长春工业大学大数据科学研究院长春工业大学研究生院长春工业大学数学与统计学院; 出处《中国生物医学工程学报》 CAS CSCD 北大核心 2022年第2期177-185,共9页; 基金国家自然科学基金(11301036,12026430) 吉林省教育厅科研项目(JJKH20170540KJ,JJKH20210716KJ)。; 文摘乳腺癌基因数据的分类研究在临床医学上具有重要意义。针对基因数据的结构复杂、高维小样本等特点,提出一种最大相关最小条件冗余和深度级联森林结合的基因数据分类方法。选取博德基因研究所乳腺癌基因表达数据集,共98个数据作为样本,每个样本包含1 213个特征基因。首先对数据进行标准化处理,然后利用最大相关最小条件冗余选取特征子集,最后使用深度级联森林对特征子集进行分类。将随机森林、支持向量机和BP神经网络作为对比方法。结果表明,所提出的最大相关最小条件冗余和深度级联森林结合方法的最佳分类准确率达到93.78%,明显优于其他方法。该方法能有效提高乳腺癌基因数据的分类准确率,对基于基因数据的乳腺癌分类具有重要的理论意义与实用价值。; 关键词乳腺癌分类基因表达数据变量选择最大相关最小冗余深度级联森林; Keywords breast cancer classification gene expression data variable selection max-relevance and min-redundancy(mRMR) multi-grained cascade forest(gcForest); 分类号 R318 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

题名基于Cycle-GAN和改进DPN网络的乳腺癌病理图像分类被引量：5: 3; 作者张雪芹李天任; 机构华东理工大学信息科学与工程学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第4期727-735,共9页; 文摘针对病理图像染色不均匀及良恶性难以鉴别的问题,提出基于Cycle-GAN和改进的双路径网络(DPN)的算法框架.利用Cycle-GAN进行颜色归一化处理,解决因病理图像染色不均匀导致的检测模型精度偏低问题,通过对图像进行重叠切片,基于DPN网络采用增加小卷积、反卷积和注意力机制,增强模型对病理图像纹理特征的分类能力.在BreaKHis数据集上的实验结果表明,所提算法有效提高了乳腺癌病理图像良恶性分类的准确性.; 关键词乳腺癌病理图像分类深度学习 Cycle-GAN网络双路径网络(DPN) 注意力机制; Keywords breast cancer pathological image classification deep learning Cycle-GAN network dual path network(DPN) attention mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于融合多网络深层卷积特征和稀疏双关系正则化方法的乳腺癌图像分类研究被引量：6: 4; 作者王永军黄芳琳黄珊姜峰雷柏英汪天富; 机构深圳大学生物医学工程学院; 出处《中国生物医学工程学报》 CAS CSCD 北大核心 2020年第5期532-540,共9页; 基金国家重点研究计划(2016YFC0104700)。; 文摘乳腺癌是全球女性癌症死亡的主要原因之一。现有诊断方法主要是医生通过乳腺癌观察组织病理学图像进行判断,不仅费时费力,而且依赖医生的专业知识和经验,使得诊断效率无法令人满意。针对以上问题,设计基于组织学图像的深度学习框架,以提高乳腺癌诊断准确性,同时减少医生的工作量。开发一个基于多网络特征融合和稀疏双关系正则化学习的分类模型:首先,通过子图像裁剪和颜色增强进行乳腺癌图像预处理;其次,使用深度学习模型中典型的3种深度卷积神经网络(Inception V3、Res Net-50和VGG-16),提取乳腺癌病理图像的多网络深层卷积特征并进行特征融合;最后,通过利用两种关系("样本-样本"和"特征-特征"关系)和lF正则化,提出一种有监督的双关系正则化学习方法进行特征降维,并使用支持向量机将乳腺癌病理图像区分为4类—正常、良性、原位癌和浸润性癌。实验中,通过使用ICIAR 2018公共数据集中的400张乳腺癌病理图像进行验证,获得93%的分类准确性。融合多网络深层卷积特征可以有效地捕捉丰富的图像信息,而稀疏双关系正则化学习可以有效降低特征冗余并减少噪声干扰,有效地提高模型的分类性能。; 关键词乳腺癌病理图像分类深度卷积特征融合有监督特征选择支持向量机; Keywords breast cancer image classification deep convolution feature fusion supervised feature selection support vector machine(SVM); 分类号 R318 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

题名基于多尺度通道重校准的乳腺癌病理图像分类被引量：9: 5; 作者明涛王丹郭继昌李锵; 机构天津大学电气自动化与信息工程学院天津医科大学总医院病理科天津大学微电子学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2020年第7期1289-1297,共9页; 基金国家自然科学基金资助项目(61471263) 天津市自然科学基金资助项目(16JCZDJC31100)。; 文摘针对乳腺癌病理图像的自动分类问题,提出基于深度学习的分类算法.通道重校准模型是作用于特征通道的注意力模型,可以利用学习到的通道权重对无用特征进行抑制来实现对特征通道的重校准,以达到更高的分类准确率.为了使通道重校准的结果更加准确,提出多尺度通道重校准模型,设计卷积神经网络msSE-ResNet.多尺度特征通过网络中的最大池化层获得并作为后续通道重校准模型的输入,将不同尺度下学到的通道权重进行融合,可以改善通道重校准的结果.该实验在公开数据集BreaKHis上开展.实验结果表明,该网络对良性/恶性乳腺病理图像分类任务达到88.87%的分类精度,可以对不同放大倍数下获取的病理图像具有较好的鲁棒性.; 关键词乳腺癌病理图像分类深度学习残差网络多尺度特征通道重校准模型; Keywords breast cancer histopathological image classification deep learning residual network multi-scale feature channel squeeze-and-excitation model; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进鲸鱼算法优化支持向量机实现乳腺癌预测被引量：1: 6; 作者高涛袁德成; 机构沈阳化工大学信息工程学院; 出处《现代电子技术》北大核心 2024年第11期156-160,共5页; 文摘为了更好地通过人体肥胖的相关指数预测乳腺癌的存在,以抵抗素、葡萄糖、年龄和身体质量指数作为数据特征构造预测模型,通过研究支持向量机(SVM)的参数对模型的性能影响,提出一种基于自适应机制策略改进的鲸鱼算法,即参数自适应鲸鱼优化算法(PAWOA)用来寻找最优参数。采用Tent映射对种群位置初始化,引入自适应参数p^(*)代替随机阈值加速收敛速度,针对给定的目标函数对每个搜索个体进行求解,计算适应度后找到全局最优解,增强种群的全局寻优性能。实验结果表明,优化后的模型精确度提升12.44%,召回率提升13.57%,F_(1)评分提升13.14%。可见,该预测模型拥有更好的效果可以用于辅助判断乳腺癌。; 关键词鲸鱼优化算法支持向量机自适应参数数据预处理乳腺癌细胞分类 TENT映射; Keywords WOA SVM adaptive parameter data preprocessing breast cancer cell classification Tent mapping; 分类号 TN911-34 [电子电信—通信与信息系统] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名BP算法与C4.5算法在乳腺癌诊断中的比较分析被引量：2: 7; 作者杨云董雪齐勇; 机构陕西科技大学电气与信息工程学院; 出处《陕西科技大学学报（自然科学版）》 2015年第3期163-166,172,共5页; 基金陕西省科技厅科学技术研究发展计划项目(2014K15-03-06) 西安市科技计划项目(NC1403(2) NC1319(1)); 文摘目前数据挖掘技术被大量应用于医学领域,进行疾病诊断。针对乳腺癌发病率不断升高,为辅助医生做出诊断决策,采用具有优秀学习能力的人工神经网络中的BP算法与决策树中的C4.5算法来分析乳腺癌数据,对乳腺癌肿瘤类型进行诊断预测,并对这两种算法建立的分类器性能进行比较分析,研究发现BP算法与C4.5算法都能对乳腺癌类型作出诊断预测,但在分类器的评估中发现BP分类器的性能优于C4.5分类器.; 关键词乳腺癌分类 BP算法 C4.5算法分类器性能; Keywords breast cancer classification BP algorithm C4. 5 algorithm classifier performance; 分类号 TP391.9 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	面向乳腺超声分类的低尺度形态特征重校准方法	龚勋朱丹杨子奇罗俊	《西南交通大学学报》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于深度级联森林的乳腺癌基因数据分类研究	秦喜文王芮张斯琪	《中国生物医学工程学报》 CAS CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
3	基于Cycle-GAN和改进DPN网络的乳腺癌病理图像分类	张雪芹李天任	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
4	基于融合多网络深层卷积特征和稀疏双关系正则化方法的乳腺癌图像分类研究	王永军黄芳琳黄珊姜峰雷柏英汪天富	《中国生物医学工程学报》 CAS CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料
5	基于多尺度通道重校准的乳腺癌病理图像分类	明涛王丹郭继昌李锵	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
6	改进鲸鱼算法优化支持向量机实现乳腺癌预测	高涛袁德成	《现代电子技术》北大核心	2024	1	在线阅读下载PDF 职称材料
7	BP算法与C4.5算法在乳腺癌诊断中的比较分析	杨云董雪齐勇	《陕西科技大学学报（自然科学版）》	2015	2	在线阅读下载PDF 职称材料