期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于生成对抗网络的低分化宫颈癌病理图像分类
被引量：
1
1
作者
李晨
张家伟
+1 位作者
张昊
汪茜
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第7期1054-1060,1064,共8页
使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试...
使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试集相同的情况下,该方法可以将总体分类准确率提升约2. 5%,尤其对低分化宫颈癌病理图像有显著效果.通过GAN解决了组织病理学图像无方向性、内容复杂、前景目标规则性差等问题,证明了该方法的有效性及发展潜力.
展开更多
关键词
宫颈癌辅助诊断
组织病理学图像分类
生成对抗网络
特征提取
K-MEANS聚类
在线阅读
下载PDF
职称材料
题名
基于生成对抗网络的低分化宫颈癌病理图像分类
被引量：
1
1
作者
李晨
张家伟
张昊
汪茜
机构
东北大学医学与生物信息工程学院
辽宁省肿瘤医院
中国医科大学附属肿瘤医院
出处
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第7期1054-1060,1064,共8页
基金
国家自然科学基金资助项目(61806047,81902676)
中央高校基本科研业务费专项资金资助项目(N2019003).
文摘
使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试集相同的情况下,该方法可以将总体分类准确率提升约2. 5%,尤其对低分化宫颈癌病理图像有显著效果.通过GAN解决了组织病理学图像无方向性、内容复杂、前景目标规则性差等问题,证明了该方法的有效性及发展潜力.
关键词
宫颈癌辅助诊断
组织病理学图像分类
生成对抗网络
特征提取
K-MEANS聚类
Keywords
auxiliary diagnosis for cervical cancer
histopathological image classification
generative adversarial networks(GAN)
feature extracting
k-means clustering
分类号
TP737.33 [自动化与计算机技术—检测技术与自动化装置]
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
基于生成对抗网络的低分化宫颈癌病理图像分类
李晨
张家伟
张昊
汪茜
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
