-
题名面向乳腺癌图像的浅层高识别卷积神经网络研究
- 1
-
-
作者
王兵锐
杨晓非
姚行中
-
机构
河南省智能应急研究中心(南阳师范学院)
华中科技大学光学与电子信息学院
火箭军研究院
-
出处
《计算机应用与软件》
北大核心
2022年第2期157-161,共5页
-
基金
国家自然科学基金项目(41801282)
军委科技委创新特区项目(17-H863-01-ZT-002-009-02)
河南省重点科研项目(18A520044)。
-
文摘
乳腺癌是易发生且致死率高的恶性肿瘤之一,及早诊断识别是降低致死率的关键。基于应用广泛的乳腺癌病理图像,结合卷积神经网络展开乳腺癌的识别研究。针对癌症图像细节和纹理特征难以识别的问题,采用插值处理将图像进行适当放大,以便研究分析。针对卷积神经网络参数庞大不易训练和不易硬件实现的问题,提出一种精简的5卷积层W型网络结构,具有较少的权重参数,可以降低时间和空间复杂度从而便于硬件实现。精度损失曲线测试和混淆矩阵实验结果表明,与传统顺序结构5卷积层神经网络相比,采用提出的网络使乳腺癌诊断识别的准确率提高4百分点,且具有较好的抗拟合效果。
-
关键词
卷积神经网络
卷积层
乳腺癌
混淆矩阵
准确率
-
Keywords
Convolutional neural network
Convolutional layer
Breast cancer
Confusion matrix
Accuracy
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
