首页|面向乳腺癌图像的浅层高识别卷积神经网络研究

面向乳腺癌图像的浅层高识别卷积神经网络研究

A SHALLOW HIGH RECOGNITION CONVOLUTIONAL NEURAL NETWORK FOR BREAST CANCER IMAGES

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
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.

王兵锐、杨晓非、姚行中

展开 >

河南省智能应急研究中心(南阳师范学院) 河南 南阳473007

华中科技大学光学与电子信息学院 湖北 武汉430074

火箭军研究院 北京100085

卷积神经网络 卷积层 乳腺癌 混淆矩阵 准确率

国家自然科学基金军委科技委创新特区项目河南省重点科研项目

4180128217-H863-01-ZT-002-009-0218A520044

2022

10.3969/j.issn.1000-386x.2022.02.026

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(2)
  • 3