计算机技术与发展2020，Vol.30Issue(9) ：200-204.DOI:10.3969/j.issn.1673-629X.2020.09.036

基于精简卷积神经网络的低分辨率乳腺癌识别

Low Resolution Breast Cancer Recognition Based on Simplified Convolutional Neural Network

王兵锐 张新刚 杨晓非
计算机技术与发展2020，Vol.30Issue(9) ：200-204.DOI:10.3969/j.issn.1673-629X.2020.09.036
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于精简卷积神经网络的低分辨率乳腺癌识别

Low Resolution Breast Cancer Recognition Based on Simplified Convolutional Neural Network

王兵锐 1张新刚 2杨晓非3
扫码查看

作者信息

  • 1. 南阳师范学院 河南省智能应急研究中心,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
  • 2. 南阳师范学院 河南省智能应急研究中心,河南 南阳 473007
  • 3. 华中科技大学 光学与电子信息学院,湖北 武汉 430074
  • 折叠

摘要

乳腺癌严重威胁女性健康,应用人工智能进行及时诊断是应对乳腺癌的重要方法.卷积神经网络(convolutional neural network,CNN)是人工智能中最经典的处理方法之一.通常健康人数量(称作多数类数据)远大于癌症患者数量(称作少数类数据),学习后的网络模型严重倾向于多数类导致失败.针对这种数据集不平衡问题,对多数类健康数据集采用随机下采样减少数据,对少数类癌症数据采用数据增强扩充处理,控制网络模型的权重比例,同时融合这三种方法应对数据不平衡.针对采用的50×50像素癌症数据集分辨率过低的问题,调整到100×100像素以便提取更多细节.提出一种4卷积层CNN网络,分别针对两种像素进行训练测试,并与经典的16层VGG16网络进行对比.精度损失曲线和混淆矩阵的实验结果表明,提出的CNN的乳腺癌识别精度优于VGG16多达4个百分点.

关键词

卷积神经网络/乳腺癌/低分辨率/精度损失/不平衡

引用本文复制引用

基金项目

河南省科技攻关项目(182102210114)

河南省高等学校重点项目(18A520044)

南阳师范学院青年项目(501-17323)

出版年

2020
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量3
段落导航相关论文